Perbaikan Struktur Situs Web dengan Tekn
Perbaikan Struktur Situs Web dengan Teknik Ant Colony
Agyl Ardi Rahmadi, Wiwik Anggraeni, S.Si, M.Kom, Radityo Prasetyo Wibowo., S.Kom
Jurusan Sistem Informasi, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia
Abstrak
Dengan semakin berkembangnya internet dan penggunaannya yang semakin meluas, semakin banyak perusahaan
yang memasuki kegiatan e-business. Pada industri e-business, situs web menjadi tempat utama ditawarkannya layanan oleh
perusahaan. Sehingga situs web berperan sangat penting pada keberhasilan sebuah e-business. Membuat situs web yang
efektif dan efisien dapat menaikkan kepuasan pengguna, karena mereka dapat menemukan informasi yang mereka inginkan
dengan cepat dan mudah, atau dalam kata lain menghemat waktu dan biaya.
Salah satu cara mengefektifkan sebuah situs web adalah dengan melakukan perbaikan struktur tautan ( links ) yang
ada. Bagi pemilik situs, perbaikan struktur situs web bisa berarti biaya dan waktu yang tidak sedikit. Karena itu, diperlukan
suatu metode perbaikan struktur situs web yang tepat dan efisien. Salah satu metode yang dapat dipakai adalah dengan
metode Quadratic Assignment Problem (QAP). Metode QAP menggunakan konsep graf untuk memetakan struktur situs web
sekaligus mendefinisikan derajat keterhubungan dan hubungan antar laman web. Kemudian digunakan QAP untuk
memodelkan masalah pemosisian laman. Untuk penyelesaian model tersebut, digunakan teknik ant colony.
Dengan menggunakan metode QAP yang diselesaikan dengan teknik ant colony, struktur baru bisa didapatkan dan
dianalisis. Dari analisis bisa diketahui baik tidaknya dari segi fungsi tujuan QAP, analisis closeness, analisis out degree,
serta analisis kepraktisan dari struktur situs web baru dibandingkan dengan struktur lama.
Kata Kunci: Ant Colony Meta-heuristic, QAP, Struktur Situs Web, Situs Web, e-business, Perbaikan struktur situs web
1.
PENDAHULUAN
Membuat suatu situs web yang efektif sebagai pusat
informasi adalah hal yang penting bagi perusahaan, karena
secara tidak langsung akan meningkatkan kepuasan
pelanggan atau pengguna situs. Selain pada industri ebusiness, sifat dasar situs web sebagai pusat informasi juga
berarti bahwa, sebaiknya sebuah situs web memiliki tingkat
kefektifan dan usabilitas/kegunaan yang tinggi sehingga
pengguna atau pencari informasi dapat dengan mudah dan
cepat mencari informasi yang diinginkan.
Terdapat banyak cara yang dapat dilakukan dalam
meningkatkan efektivitas pencarian informasi di dalam
situs web, yaitu dengan site map, search engine, intelligent
navigation aid tools [6]. Sebagai penyedia informasi, sudah
sepatutnya bahwa pemilik situs web menyediakan sebuah
situs web dengan tingkat usabilitas yang tinggi [4].
Terutama pada industri e-business, dimana perusahaan
menggunakan situs untuk mendapatkan informasi
pelanggan, kompetitor, dan rekanan serta untuk
menyediakan informasi tentang perusahaan mereka
Pada penelitian [1] dilakukan suatu metode
perbaikan struktur situs web dengan melakukan permodelan
Quadratic Assignment Problem (QAP). Dengan melakukan
permodelan QAP, masalah struktur situs web dapat
dianalogikan ke dalam permasalahan QAP. Analogi yang
dilakukan juga menentukan asumsi-asumsi yang diperlukan
agar permasalahan struktur situs web dapat dimodelkan ke
dalam QAP.
Setelah dimodelkan ke dalam QAP, maka
selanjutnya
permasalahan
tersebut
diselesaikan
menggunakan teknik Ant Colony Optimization. Dengan
menggunakan ant colony, diharapkan struktur baru situs
web yang lebih baik bisa didapatkan.
Setelah struktur baru didapatkan, penilaian baik
tidaknya struktur baru tersebut digunakan tolok ukur Key
Performance Indicator (KPI) dari situs web yang telah
ditentukan sebelunya. Dengan berdasar pada KPI yang ada,
baik tidaknya struktur baru dari situs web tersebut dapat
ditentukan.
2.
2.1
DASAR TEORI
Graf
Graf adalah struktur diskrit yang digunakan untuk
merepresentasikan objek-objek diskrit dan hubungan antara
objek-objek tersebut (Rossen, 2003). Representasi visual
graf terdiri dari simpul atau verteks ( V ) yang berupa
noktah, bulatan, atau titik untuk merepresentasikan objek.
Untuk merepresentasikan hubungan antar objek dinyatakan
dengan garis atau yang biasa disebut sisi atau edges ( E ) /
arcs ( A ) yang saling menghubungkan verteks tersebut.
Ada beberapa tipe graf yang berbeda, dimana dibedakan
berdasarkan sifat sisi yang saling menghubungkan
pasangan verteks yang terhubung.
Graf digunakan untuk memecahkan masalah di
banyak bidang. Sebagai contoh graf dapat digunakan untuk
mempelajari struktur dari Internet atau World Wide Web
(WWW). Contoh lainnya graf dapat digunakan dalam
permasalahan mencari jalur terpendek dari satu tempat ke
tempat lain di suatu kota atau suatu wilayah.
Graf G dapat didefinisikan sebagai pasangan
himpunan (V,E), yang dalam hal ini :
V = himpunan tidak-kosong dari verteks-verteks
= { v1, v2, …, vn }
E = himpunan sisi yang menghubungkan sepasang
verteks
= { e1, e2, …, en }
Atau dapat ditulis singkat notasi G = ( V,E )
Dalam definisi, V dinyatakan tidak boleh kosong,
sedangkan E boleh kosong. Karena sebuah graf
dimungkinkan tidak mempunyai sisi satu buah pun, tetapi
verteks harus ada, minimal satu.
Verteks pada graf dapat dinomori dengan huruf
seperti a, b, c, …, z, dengan bilangan asli 1,2,3,… atau pun
gabungan keduanya. Sedangkan sisi yang menghubungkan
verteks vi dengan verteks vj dinyatakan dengan pasangan (
vi, vj ) atau dengan lambing e1, e2, … . Dengan demikian,
1
2
jika e adalah sisi yang menghubungkan vi dan vj, e bisa
ditulis sebagai
e = ( vi, vj )
Graf dapat dikelompokkan menjadi beberapa
kategori. Pengelompokkan bergantung pada sudut pandang
yang dipakai. Salah satunya yang dapat digunakan adalah
pengelompokkan berdasar pada arah dan bobotnya.
Berdasarkan arah dan bobotnya, graf dapat dibagi menjadi
empat, yaitu :
• Graf berarah dan berbobot
• Graf berarah dan tidak berbobot
• Graf tidak berarah dan berbobot
• Graf tidak berarah dan tidak berbobot
Graf dimanfaatkan untuk memetakan struktur dari
situs web yang akan dimodelkan ke dalam QAP.
2.2
Quadratic Assignment Problem
Quadratic assignment problem (QAP) atau
permasalahan penugasan kuadratik, merupakan salah satu
permasalahan
fundamental
didalam
optimisasi
kombinatorial yang merupakan cabang dari riset operasi,
dari kategori permasalahan lokasi fasilitas
Ketika kali pertama dikenalkan,r QAP adalah model
matematika untuk lokasi dari aktivitas ekonomi yang tidak
dapat dibagi ( indivisible economical activities ). Tujuannya
adalah untuk menempatkan n fasilitas ke n lokasi dengan
biaya yang sebanding dengan aliran antara fasilitas, dikali
dengan jarak antara lokasi, ditambah dengan biaya untuk
menempatkan fasilitas di lokasi masing-masing. Masalah
tersebut bisa dimodelkan dengan tiga matriks n × n :
A
= (aik), aliran dari fasilitas i ke k
B
= (bjl), jarak dari lokasi j ke l
C
= (cij), biaya penempatan fasilitas i di lokasi j
Sehingga QAP dalam
Beckmann bisa ditulis menjadi,
bentuk
Koopmans-
n
n n
min ∑ ∑ aik bπ (i )π ( k ) + ∑ ciπ (i ) (1)
π ∈S n
i =1
i =1 k =1
Sn adalah himpunan dari semua permutasi dari
bilangan bulat { 1,2, …, n }. aikbπ(i)π(k) adalah biaya
transportasi yang disebabkan menempatkan fasilitas i ke
lokasi π(i) dan fasilitas k ke lokasi π(k). Sebuah contoh
QAP dengan masukan matriks A, B, dan C bisa dinotasikan
dengan QAP(A, B, C).
Selain model matematika (1), QAP juga bisa
dimodelkan tanpa menggunakan matriks C atau cij = 0,
untuk semua 1 ≤ i, j ≤ n. Sehingga model yang ada hanya
terdapat dua matriks n × n, matriks aliran A = (aik), dan
matriks jarak B = (bjl). Sehingga bentuk QAP KoopmansBeckmann bisa ditulis sebagai berikut
n
min
π ∈S n
n
∑∑ aik bπ (i )π ( k )
i =1 k =1
transportasi yang disebabkan dengan menempatkan fasilitas
i ke lokasi π(i) dan fasilitas k ke lokasi π(k).
QAP digunakan untuk memodelkan permasalahan
perbaikan struktur situs web yang nantinya
2.3
Ant Colony Optimization (ACO)
Ant colony Optimization (ACO), adalah teknik
metaheuristik yang berbasis populasi (population-based)
yang bisa digunakan untuk menemukan perkiraan solusi
untuk permasalahan optimisasi yang sulit.
Dalam ACO, sekumpulan agen perangkat lunak
(software agents) yang disebut artificial ants (semut
buatan) mencari solusi terbaik untuk permasalahan
optimisasi yang diberikan. Untuk menerapkan ACO,
permasalahan optimisasi diubah kedalam permasalahan
mencari jalur terbaik dalam graf berbobot.
Semut buatan (setelah ini akan disebut semut),
secara bertahap membuat solusi dengan bergerak dalam
graf. Proses konstruksi solusi bersifat stokastik, yaitu nondeterministik (tidak tentu) yang berarti keadaan sistem
ditentukan baik oleh pergerakan yang telah diperkirakan
dari proses itu sendiri dan oleh unsur acak.
Selain bersifat stokastik, proses konstruksi solusi
juga dipengaruhi oleh model feromon (pheromone model),
yang merupakan sekumpulan parameter yang dikaitkan
dengan komponen dari graf (baik verteks maupun sisi),
yang nilainya berubah selama proses konstruksi.
ACO pada dasarnya adalah paradigma atau kerangka
kerja untuk mendesain algoritma metaheuristik untuk
permasalahan optimisasi kombinatorial. ACO juga bisa
disebut sebagai suatu kelas algoritma. Dalam ACO, semut
buatan membangun solusi terhadap COP dengan melintasi
graf konstruksi yang terhubung penuh, didefinisikan
sebagai berikut.
Pertama, setiap variabel keputusan Xi = … disebut
komponen solusi dan dinotasikan dengan cij. Himpunan dari
semua komponen solusi yang dimungkinkan dinotasikan
dengan C. Graf konstruksi GC(V, E) didefinisikan dengan
mengasosiasikan
komponen-komponen
C
dengan
himpunan verteks V atau dengan himpunan sisi-sisi E.
Nilai dari jejak feromon τij diasosiasikan dengan
komponen cij. Nilai feromon yang ada secara umum
mengikuti fungsi dari iterasi algoritma t : τij = τij(t). Nilai
feromon
mengizinkan
dimodelkannya
distribusi
probabilitas dari komponen-komponen yang berbeda. Nilai
feromon digunakan dan diubah oleh algoritma ACO selama
pencarian solusi.
!
"
#
#
Gambar 2. 1 Algoritma ACO
(2)
Dengan penjelasan yang sama dengan model
matematika (1), Sn adalah himpunan dari semua permutasi
dari bilangan bulat { 1,2, …, n } dan aikbπ(i)π(k) adalah biaya
Semut-semut yang ada bergerak dari verteks ke
verteks sepanjang sisi-sisi dari graf konstruksi,
memanfaatkan informasi dari nilai feromon dan secara
bertingkat membangun sebuah solusi. Sebagai tambahan,
semut-semut menyimpan sejumlah feromon pada
komponen, baik pada verteks maupun sisi yang mereka
lalui.
3
Jumlah dari τ dari feromon yang tersimpan bisa
tergantung pada kualitas solusi yang dibangun. Setelahnya
semut-semut memanfatkan informasi feromon sebagai
panduan untuk membangun solusi yang lebih baik. Secara
garis besar, ACO metaheuristik dapat digambarkan dalam
pseudocode pada gambar 2.8.
ACO Metaheuristik terdiri dari langkah inisialisasi,
dan tiga komponen algoritma yang diaktifkan didalam
prosedur Schedule_Activities. Prosedur ini diulang sampai
terpenuhi kriteria penyelesaian dipenuhi. Sebagai contoh
kriteria adalah jumlah iterasi maksimal.
Prosedur Schedule_Activities tidak mengatur secara
khusus bagaimana tiga algoritma didalamnya dijadwal dan
disinkronisasikan. Bahkan ketiganya harus dieksekusi
secara paralel dan independen, atau jika semacam
sinkronisasi ketiganyan diperlukan. Dalam hampir semua
pengaplikasikan ACO terhadap permasalahan NP-hard, tiga
algoritma tersebut melakukan sebuah perulangan yang
terdiri dari
(i) konstruksi solusi yang dilakukan oleh semua
semut
(ii) meningkatkan kualitas solusi dengan melakukan
local search. Langkah ini boleh dilakukan boleh
tidak.
(iii) pembaruan nilai feromon
METODE PERBAIKAN STRUKTUR SITUS WEB
Metode perbaikan struktur situs web secara garis
besar dapat dilihat pada gambar 3.1. Terdapat tiga bagian
yaitu masukan, proses dan keluaran.
3.1
Masukan
3.1.1
Struktur situs web
Salah satu yang menjadi data masukan untuk
optimisasi yang akan dilakukan adalah struktur situs web.
Struktur disini adalah struktur tautan yang ada pada situs
web tersebut. Yang perlu diperhatikan adalah struktur situs
web disini mengabaikan hal-hal sebagai berikut :
Min TC (a ) = ∑ [Cij × d ( ai , a j )]
1≤ i < j ≤ n
3.
•
Desain tampilan antar muka dari situs web tersebut
•
Fungsi back , yang berfungsi untuk kembali pada
laman web yang dijelajah sebelumnya, pada
perangkat lunak penjelajah web
•
Tautan yang bersifat cross links dan tautan yang
menaut ke laman web sebelumnya dijelajahi.
Mengenai cross links akan dijelaskan nanti.
Ketiga hal tersebut diabaikan untuk menghilangkan
asumsi yang mungkin dapat berkembang, seperti apakah
desain tampilan mempengaruhi bentuk struktur. Selain tiga
hal tersebut, terdapat asumsi lain yang diperlukan, yaitu
situs web hanya memiliki satu root page/homepage atau
laman awal. Sehingga struktur situs web yang akan
dipetakan akan selalu berawal dari satu laman awal
Dalam mendapatkan struktur situs web yang akan
diperbaiki, maka ekstraksi struktur tersebut dapat dilakukan
dengan dua cara, secara otomatis atau manual. Secara
otomatis dapat dilakukan dengan menggunakan perangkat
lunak web crawler, yaitu perangkat lunak yang dapat
menjelajahi situs web tersebut dan mengumpulkan
informasi apapun dari situs web tersebut.
Gambar 3. 1 Diagram alir metode perbaikan struktur situs
web dengan teknik ant colony
Untuk secara manual, dilakukan dengan membuka
situs web tersebut, melihatnya, dan memetakannya secara
manual. Dalam penelitian tugas akhir ini, ekstraksi struktur
situs web dan pemetaan dilakukan secara manual.
Setelah ekstraksi struktur situs web, dilakukan
penyederhanaan. Penyederhanaan struktur ini dilakukan
untuk memenuhi kebutuhan dari tiga hal yang telah
disebutkan sebelumnya. Selain itu juga pertimbangan untuk
mempermudah perhitungan optimisasi nantinya. Karena
dengan graf yang sederhana, perhitungan juga dapat lebih
sederhana. Dengan asumsi bahwa perbaikan struktur pada
tingkat yang sederhana akan dapat meningkatkan juga nilai
pada tingkat kompleks.
3.1.2
File log server situs web
Untuk mendapatkan data log situs web, bisa diambil
secara langsung dari web server. Setelah itu data log yang
ada diproses dengan menggunakan perangkat lunak untuk
analisis data log. Contoh perangkat lunak yang dapat
digunakan adalah SmarterStats 5.1 yang merupakan produk
dari SmarterTools Inc. Data log diproses untuk
mendapatkan laporan mengenai jalur populer dari situs
web.
Setelah laporan didapatkan, dilakukan analisis jalur.
Analisis jalur pada dasarnya adalah menganalisis laporan
yang dihasilkan perangkat lunak untuk analisis data log
situs web. Yaitu pada laporan yang berisi jalur yang sering
digunakan untuk menjelajah situs web tersebut. Analisis
4
• W = {Wij| i ≠ j, i, j ∈ [1,N]} adalah himpunan
semua bobot sisi di dalam G
Wij adalah probabilitas dari L(i,j) di pilih oleh
pengunjung situs web yang telah mengakses Pi yang
didefinisikan
jalur dapat dilakukan dengan membaca hasil laporan dari
perangkat lunak. Dari laporan yang ada, biasanya dapat
dilihat jalur-jalur yang sering dipakai pengunjung dan
jumlah berapa kali jalur tersebut dipakai. Dari laporan
tersebut, dapat disusun User Visiting Sessions (UVS) dan
User Visiting Pattern (UVP)
User visiting sessions atau UVS, adalah pola
kunjungan dari jalur yang sering dilewati pengunjung situs
web. UVS didapat dari data log situs web yang diolah, yaitu
jalur-jalur yang sering dilewati pengunjung ketika berada di
suatu situs web.
Jalur-jalur tersebut didaftar dan diurut sesuai
seberapa sering jalur tersebut dilewati. Sebelumnya, lamanlaman yang dilalui juga telah diberi label, bisa berupa
angka atau huruf, sebagai penanda masing-masing laman
situs web.
Kemudian dari kesemuanya itu, dapat dibentuk suatu
matriks satu baris yang isinya merupakan representasi
apakah suatu laman situs web dikunjungi atau tidak dalam
suatu jalur tersebut. Jumlah kolom pada matriks itu adalah
jumlah laman pada situs web tersebut
User visiting pattern atau UVP adalah matriks VM×N,
yang M merupakan jumlah UVS dari suatu situs web dan N
adalah jumlah laman pada situs web tersebut.
Wij = Rij
OD ( i )
∑R
k =1
(3)
idk
Dengan Rij (Rij ∈ [0,1]) adalah derajat asosiasi dari Pi ke Pj
yang didefinisikan
Rij =
Tabel 3. 1 Contoh UVP dengan 10 UVS situs web
dengan 14 laman
| P(i, j ) |
| P⋅i |
(4)
Jika |P i| ≠ 0. Selain itu Rij = 0, i, j ∈ [1, N].
Derajat asosiasi adalah tingkat suatu laman situs web
terasosiasi dengan situs web yang lain dalam jalur-jalur
yang dilewati pengunjung situs web. Kemudian
didefinisikan Di adalah himpunan semua tujuan dari Pi.
Bobot QAP yang ada adalah Connectivity
Degree/Derajat Keterhubungan. Menurut [2], Cij sebagai
derajat keterhubungan antar laman dalam situs web.
Semakin besar Cij, maka semakin mudah pengunjung
menemukan Pj melalui Pi, dengan
Cij = w1 + w2 + … + wm
(5)
Dengan m adalah jumlah rute tautan dari Pi ke Pj.
Atau dalam kata lain adalah berapa jalan yang dapat dilalui
agar Pi dapat mencapai Pj. Selain itu terdapat tiga asumsi
dasar yang harus dibuat dalam memodelkan permasalahan
perbaikan struktur situs web dengan memodelkannya ke
dalam QAP. Ketiga asumsi tersebut adalah sebagai berikut
1
2
3
4
5
6
7
8
9
10
11
12
13
14
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
2
1
0
0
1
1
0
0
0
0
0
0
0
0
0
3
1
0
1
0
0
1
1
1
0
0
0
0
0
0
4
1
0
0
0
1
0
0
0
1
0
0
0
0
0
5
1
0
0
1
0
0
0
0
1
1
0
0
0
0
Tabel 3. 2 Parameter QAP dan asumsi dalam struktur
situs web
6
1
0
0
0
0
0
0
0
0
0
1
1
0
0
Param.
Definisi dalam QAP
7
1
0
1
0
0
0
0
0
0
0
1
1
0
0
8
1
0
1
1
0
0
0
0
1
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
0
1
0
d(ai,aj)
Jarak antar dua lokasi
9
10
1
0
0
0
0
0
0
1
0
0
0
0
0
1
3.2
Proses
Setelah didapatkan data struktur situs web dan data
UVP hasil olahan data log server situs web, maka
selanjutnya dilakukan permodelan QAP dari masalah
struktur situs web yang ada.
3.2.1
Permodelan QAP
Jika graf struktur jalur populer dari situs web adalah
G, maka
G = ( P, L, W )
Dengan didefinisikan :
• N = jumlah total laman pada situs web
• P = {Pi| i ∈ [1,N]} adalah himpunan semua verteks
dalam G, yang dalam hal ini adalah laman situs web
• L = {L(i, j)| i ≠ j, i, j ∈ [1,N]} adalah himpunan
semua sisi dalam G, yang dalam hal ini adalah
tautan antar laman situs web
Asumsi dalam struktur situs web
Jarak antar dua laman web berdasar
pada
jumlah tautan / langkah untuk
mencapai
tujuan dari laman awal
Cij
Biaya interaksi antar
dua lokasi per unit
jarak
Jumlah interaksi atau
keterhubungan antar
dua laman web berdasar parameter
C
TC(a)
Jumlah biaya dari
susunan fasilitas saat
ini
Jumlah biaya dari struktur situs web
saat ini
Dengan fungsi tujuan QAP yaitu,
Min TC ( a ) = ∑ [Cij × d ( ai , a j )]
1≤ i < j ≤ n
(6)
Setelah asumsi ditentukan dan fungsi tujuan
diketahui,
maka
selanjutnya
adalah
bagaimana
pembentukan model QAP, yaitu matriks jarak dan matriks
bobot dalam permasalahan struktur situs web. Keduanya
akan digunakan dalam perhitungan metode perbaikan, yaitu
penyelesaian model QAP dengan teknik ant colony.
Dalam membentuk matriks jarak yang diperlukan
sebagai pembentuk model QAP, maka diperlukan
perhitungan dengan dilakukan operasi terhadap graf dari
5
struktur situs web yang telah dipetakan. Graf yang
digunakan adalah graf yang merupakan pemetaan dari
seluruh situs web yang ada.
Perhitungan jarak ini dapat diselesaikan dengan
melakukan operasi pada graf. Dengan operasi sederhana,
implementasi perhitungan jarak dapat dilakukan. Perlu
diingat, matriks jarak dalam model QAP merupakan
matriks n x n.
Seperti yang telah dijelaskan, elemen dari matriks
bobot adalah Cij. Dengan kata lain, untuk mendapatkan Cij,
maka setelah data log dan struktur diolah dan siap
digunakan, selanjutnya adalah melakukan perhitungan
untuk mencari Rij, yang akan digunakan untuk mencari
semua Wij. Semua Wij itu yang akan digunakan untuk
mencari nilai dari semua Cij. Sama seperti matriks jarak,
matriks bobot ini merupakan matriks n × n.
3.2.2
Penyelesaian model QAP dengan teknik Ant
Colony
Permasalahan struktur situs web yang telah dibentuk
ke dalam model QAP, maka selanjutnya adalah
menyelesaikan model tersebut dengan menggunakan teknik
ant colony atau ACO. Dengan tujuan meminimalkan nilai
biaya dari struktur, maka pencarian solusi dari model yang
ada adalah dengan mencari struktur baru dari situs web
yang memenuhi fungsi tujuan.
Untuk menyelesaikan model QAP yang ada, maka
teknik ant colony digunakan untuk membuat solusi, yang
dalam hal ini dibuat sebuah generator untuk struktur situs
web yang dicari. Dimana generator tersebut bekerja dengan
masukan matriks biaya dan jumlah laman dari model QAP.
Generator yang dibuat menggunakan konsep dasar dari
ACO yang telah dijelaskan.
Konsep ACO yang digunakan untuk generator
adalah dengan digunakannya aturan state transition rule,
dan pheromone update rule dari ant system. State transition
rule dari [1] :
dibanding struktur sebelumnya. Cara kerja dari generator
yang ada adalah sebagai berikut.
Setiap semut selalu memulai dari verteks 1, yang
dalam hal ini adalah laman awal dari situs web. Setiap
semut “bergerak” dari verteks awal ke verteks selanjutnya.
Pemilihan verteks selanjutnya berdasarkan dari state
transition rule. Setelah dipilih, semut pindah ke verteks
tersebut. Setelah itu semut memilih kembali verteks
selanjutnya yang akan dikunjungi. Berapa kali semut
bergerak dari verteks 1 tergantung dari parameter hop yang
telah ditentukan.
Setelah satu semut berpindah sebanyak sekian hop,
maka semut tersebut berhenti dan semut berikutnya
melakukan proses yang sama. Begitu seterusnya sampai
semua semut telah melakukan perjalanan atau semua
verteks yang tersedia telah dikunjungi. Jika pada
perpindahan pertama suatu semut telah mengunjungi
misalkan verteks 4, maka pada pergerakan ke-2 dan
seterusnya semut tersebut tidak bisa mengunjungi verteks 4.
Ketika semut selanjutnya mulai melakukan pergerakan,
untuk perpindahan pertama semut tersebut bisa
mengunjungi verteks 4, namun tidak pada perpindahan ke-2
dan seterusnya.
(33)
∑
Dengan,
•
Pij(t) adalah probabilitas memilih laman j dari i
pada langkah selanjutnya
•
τij(t) adalah jumlah feromon di sisi i – j
•
α adalah bobot feromon dalam probabilitas
komputasi
Kemudian pheromone update rule :
1
1
∑
!"#"$% &' ()*+ *+,*
,
(34)
Dengan,
• τij( t ) adalah jumlah utama feromon di sisi i – j
• τij( t +1 ) adalah jumlah sekunder feromon di sisi i
–j
• ρ adalah tingkat evaporasi dari feromon
• Q adalah total jumlah feromon di dalam Ant
System
Generator yang dibuat membutuhkan masukan
matriks C yang telah didapatkan dari proses permodelan
QAP. Setelah itu matriks C digunakan untuk mendapatkan
struktur yang memiliki nilai biaya yang lebih kecil
Gambar 3. 2 Ilustrasi sederhana cara kerja generator
graf berdasar ACO
Jadi suatu verteks tidak bisa dikunjungi lagi jika
pada pergerakan sebelumnya verteks tersebut telah
dikunjungi. Semut yang berbeda bisa mengunjungi verteks
tersebut jika memiliki persamaan dalam pergerakan
keberapa semut tersebut mengunjungi verteks tersebut.
Misalkan semut pertama mengunjungi verteks 4 pada
pergerakan pertama, maka semut ke-2 juga bisa
mengunjungi verteks 4 pada pergerakan pertama, tapi tidak
pergerakan ke-2 dan seterusnya. Untuk setiap verteks yang
dikunjungi, disimpan statusnya bahwa verteks X telah
dikunjungi. Fungsinya untuk memberhentikan iterasi yang
berjalan.
Proses dibatasi jumlah iterasi. Setiap iterasi terdapat
sejumlah semut. Setiap semut memiliki jumlah langkah
(hop) sendiri-sendiri. Suatu iterasi selesai jika setiap semut
telah selesai melakukan pergerakan, atau jika semua verteks
6
telah dikunjungi. Di setiap iterasi dilakukan pembaruan
feromon secara global untuk mengubah probabilitas dari
setiap verteks yang dikunjungi. Dengan itu diharapkan
setiap semut dapat membentuk graf dengan tidak terdapat
verteks yang terisolasi. Gambar 3.1 adalah ilustrasi cara
kerja generator.
3.3
Analisis Keluaran
Setelah permodelan QAP dan digunakannya
algoritma ACO, yang dalam hal ini dibuat suatu generator
untuk struktur situs web, diimplementasi dan digunakan
untuk menyelesaikan model QAP yang ada, maka
diharapkan hasil keluaran berupa struktur baru yang lebih
optimal didapatkan.
Setelah didapatkan struktur baru, selanjutnya
dilakukan analisis struktur baru situs web. Analisis
dilakukan dengan mengacu pada KPI yang telah ditentukan
sebelumnya. Dalam hal ini, tujuan struktur baru adalah
bagaimana agar pengunjung dapat lebih cepat dan mudah
dalam mencari informasi yang dibutuhkan. Sehingga KPI
yang ditentukan untuk tujuan tersebut adalah :
• Waktu kunjungan situs web
• Jumlah laman yang dilihat per kunjungan
Dalam analisis diasumsikan bahwa jumlah laman
yang dilihat per kunjungan adalah maksimal untuk tiap
kunjungan, dalam arti kunjungan tersebut semua laman
dalam situs web dikunjungi. Sehingga tiap pengunjung
melakukan penjelajahan dalam situs web terhadap tiap
laman. Kemudian untuk waktu kunjungan situs web,
diambil dari data log situs web untuk rata-rata waktu
kunjungan per laman situs. Kemudian setiap rata-rata waktu
kunjungan dari laman-laman situs web dijumlahkan.
Dengan melihat KPI yang telah ditentukan, jika
waktu yang dibutuhkan untuk menjelajah situs web (
dengan skenario tersebut ) lebih sedikit daripada ketika
skenario dijalankan di struktur lama, maka struktur baru
sudah bisa dikatakan lebih baik dari struktur lama
Selain itu juga dilakukan analisis dari segi analisis
graf, yaitu dari nilai-nilai statistik yang dihasilkan dari
analisis graf. Dan juga dilakukan analisis dari segi praktis.
Yaitu jika struktur tersebut digunakan dalam dunia nyata,
bagaimanaka struktur tersebut mempengaruhi faktor-faktor
yang diabaikan dalam perhitungan seperti desain dari situs
web dan penempatan tautan di dalam situs web.
4.
Dalam uji kasus ini digunakan perangkat lunak
SmarterStats 5.1 yang merupakan produk dari SmarterTools
Inc.
Gambar 4. 1 Tampilan situs web yang digunakan untuk
uji kasus
Perangkat lunak yang digunakan untuk mengolah
data-data log tersebut digunakan untuk menghasilkan
laporan statistik dari situs web kasus. Laporan yang
diperlukan, seperti yang telah dijelaskan, adalah laporan
mengenai jalur populer/popular paths yang sering dilalui
oleh pengunjung situs web.
Uji kasus
4.1
Masukan, Proses, Keluaran
Pada uji kasus ini. situs web yang diambil sebagai
kasus adalah situs web versi English dari Institut Teknologi
Sepuluh Nopember (ITS) yang memiliki alamat laman awal
di http://www.its.ac.id/en.
Log file dari situs web kasus diambil langsung dari
web server tempat situs web tersebut diletakkan. Situs web
kasus diletakkan di web server Apache, sehingga log file
situs web terdapat di directori /log dari direktori utama situs
web dengan tipe log file yang diambil adalah access log
yang mencatat akses yang dilakukan. Log file yang diambil
memiliki periode pencatatan mulai tanggal 22 Desember
2009 - 20 Januari 2010.
Setelah log file dari situs web kasus didapatkan dan
siap untuk digunakan, maka selanjutnya adalah pemilihan
perangkat lunak untuk mengolah data-data log tersebut.
Gambar 4. 2 Hasil pemetaan struktur situs web yang
digunakan
Pada laporan yang dihasilkan perangkat lunak,
terdapat jalur-jalur yang digunakan pengunjung ketika
menjelajah dalam situs web kasus. Tapi dikarenakan situs
web versi Bahasa Indonesia dan Bahasa Inggris dari ITS
ternyata memiliki pencatatan akses yang dijadikan satu,
sehingga dari laporan yang ada juga terdapat jalur-jalur
yang digunakan pengunjung situs web versi Bahasa
Indonesia dari ITS.
Karena itu diperlukan penyisihan data laporan jalur
populer yang dapat dilakukan dengan cara manual atau
7
dengan mengaturnya lewat perangkat lunak pengolah data
log yang digunakan. Untuk uji coba ini, dilakukan
penyisihan secara manual. Sehingga didapatkan jalur-jalur
populer dari situs web kasus
Dalam uji kasus ini, dikarenakan kecilnya nilai
digunakannya jalur-jalur populer yang ada, maka jalur-jalur
populer yang ada mengabaikan batasan minimal banyaknya
jalur-jalur tersebut dipakai.
Dari dua ratus data yang didapatkan dari penyisihan
sebelumnya, dicari data-data yang laik untuk digunakan
karena adanya data-data yang masih tercampur dengan data
situs web versi Bahasa Indonesia ITS. Dari pencarian yang
ada ditemukan sekitar lima puluh data yang digunakan
untuk proses selanjutnya. Selanjutnya data UVP
waktu kunjungan rata-rata untuk tiap laman situs web
kasus. Sehingga tidak dapat dilakukan analisis KPI.
didapatkan dari analisis jalur-jalur populer yang ada.
Berikutnya adalah penggunaan perangkat lunak yang
dibuat dengan memanfaatkan data UVP dan struktur situs
web yang telah didapatkan. Setelah perangkat lunak
dijalankan dengan parameter Q = 100, alpha = 0,1, rho
= 0.9, dan iterasi maksimal adalah seratus. maka hasil
akhir telah didapatkan.
Untuk uji kasus ini, didapatkan struktur yang baik
sebagai struktur baru dari situs web kasus dengan nilai total
biaya yang lebih minimal. Dengan struktur lama, situs web
kasus memiliki nilai total biaya adalah 3.902, setelah
perangkat lunak digunakan, didapatkan total biaya 3.4509.
Gambar 4.3 adalah struktur baru yang dihasilkan.
Gambar 4. 3 Tampilan perangkat lunak setelah proses
selesai
4.2
Analisis hasil keluaran
Dari hasil keluaran perangkat lunak yang telah
didapatkan, maka selanjutnya dilakukan analisis hasil
tersebut agar dapat dinilai apakah hasil keluaran tersebut
bisa dinilai lebih baik dari struktur lama.
Dari hasil keluaran, dilakukan analisis untuk nilai
total biaya. Dari struktur baru yang didapatkan, nilai total
biayanya adalah 3.451 . Sementara dari struktur lama, nilai
total biayanya adalah 3.902. Sehingga dapat disimpulkan
bahwa struktur baru lebih baik dari struktur lama dari segi
nilai total biaya karena telah memenuhi fungsi tujuan yang
ada.
Untuk analisis KPI, dari laporan yang dihasilkan
oleh web log analysis software, tidak dapat ditemukan
Gambar 4. 4 Struktur baru situs web hasil keluaran
perangkat lunak
Karena analisis KPI tidak bisa dilakukan, maka
dilakukan analisis lain untuk menilai baik tidaknya struktur
baru dari situs web kasus yang didapatkan. Analisis yang
dilakukan adalah analisis graf terhadap struktur baru yang
dihasilkan, dan juga analisis dari segi praktis. Analisisanalisis tersebut yaitu analisis Closeness, analisis Out
Degree, dan analisis kepraktisan.
4.2.1
Analisis closeness
Analisis closeness adalah analisis untuk mengetahui
tingkat kedekatan dari masing-masing verteks pada suatu
graf. Semakin kecil langkah yang dibutuhkan, semakin
tinggi nilai dari closeness. Untuk kasus struktur situs web,
closeness menunjukkan tingkat kemudahan untuk
menjelajah dari suatu laman ke laman lainnya. Pada analisis
ini, analisis closeness untuk struktur lama dan baru dari
situs web kasus seperti yang terlihat pada tabel 4.1.
Tabel 4. 1 Tabel perbandingan nilai out degree struktur
lama dan baru
Keterangan
Struktur lama
Struktur baru
Minimum
Maximum
0.01369863
1.0
0.016393442
0.024390243
Mean
0.032140605
0.018765671
Dari nilai rata-rata closeness, dapat dilihat bahwa
struktur lama memiliki nilai yang lebih tinggi daripada
struktur baru yang didapatkan. Dari menurunnya nilai ratarata closeness dari struktur lama dapat ditarik simpulan
bahwa dengan struktur baru pengunjung akan lebih
mengalami kesulitan dalam menjelajah situs web yang ada.
4.2.2
Analisis Out Degree
Analisis Out Degree adalah analisis untuk
menunjukkan tingkat jalur keluar yang dimiliki verteksverteks dalam suatu graf. Semakin tinggi maka semakin
8
banyak out degree yang dimiliki tiap verteks dalam graf
tersebut. Tabel 4.2 menunjukkan perbandingan nilai
analisis out degree untuk struktur lama dan baru dari situs
web kasus.
Tabel 4. 2 Tabel perbandingan nilai out degree struktur
lama dan baru
Keterangan
Struktur lama
Struktur baru
Minimum
0.023809524
0.45238096
Maximum
0.4047619
0.97619045
Mean
0.023255814
0.64451826
Dari tabel dapat dilihat bahwa untuk nilai minimum
dan maksimum serta rata-rata dari out degree mengalami
peningkatan untuk struktur baru, yang berarti dalam setiap
laman struktur baru terdapat banyak tautan baru yang
menuju laman lain. Dengan demikian analisis menunjukkan
bahwa struktur baru menuntut perubahan yang cukup
banyak dalam masalah penempatan tautan baru di tiap
laman.
4.2.3
Analisis kepraktisan
Analisis kepraktisan yang dilakukan disini melihat
bagaimana struktur baru dapat digunakan dari segi desain
tampilan situs web dan tata letak tautan. Dari graf pada
gambar 6.9 dapat dilihat bahwa dari tiap verteks terdapat
banyak sisi yang saling menghubungkan antara satu dengan
verteks lain. Dengan demikian tiap laman terdapat tautan
baru yang sebelumnya tidak ada.
Dari struktur baru yang ada dapat dilihat bahwa
tidak setiap laman terhubung ke laman lainnya. Terdapat
laman yang terhubung ke semua laman lain, sebagai contoh
adalah laman 1. Namun juga terdapat laman yang tidak
terhubung ke semua laman. Sebagai contoh adalah laman 2.
Jika struktur baru tersebut dipakai, dan digunakan. Dari
segi tampilan situs web, dapat digunakan tipe menu rollover
untuk menempatkan tautan. Contoh menu rollover seperti
yang terlihat pada gambar 6.10 yang diambil dari situs web
ITS versi Bahasa Indonesia.
dengan jumlah tautan yang sama juga. Sehingga struktur
baru dari segi kepraktisan tidak dapat diimplementasikan.
5.
Simpulan
Setelah melakukan uji kasus dan analisis hasil dari
metode perbaikan struktur situs web dengan teknik ant
colony, maka dapat disimpulkan hal-hal sebagai berikut
untuk permasalahan struktur situs web yang diangkat:
• Perbaikan struktur situs web dengan menggunakan
teknik ant colony dilakukan dengan cara
memodelkan permasalahan struktur situs web ke
dalam QAP yang solusinya dicari dengan
menggunakan generator struktur situs web yang
bekerja dengan konsep ant colony.
• Implementasi dari metode perbaikan struktur situs
web dengan teknik ant colony telah dapat dilakukan
dengan pembuatan perangkat lunak untuk
permodelan QAP dan web log analysis software
untuk analisis awal log file situs web.
• Telah didapatkan usulan perbaikan struktur situs
web dari situs web versi English ITS.
6.
Daftar Pustaka
[1] Saremi, H. Qahri, Abedin, B., Karmeni, A.
Meiman, 2008. ”Website structure improvement:
Quadratic assignment problem approach and ant
colony meta-heuristic technique”. Applied
Mathematics and Computation 195, 285 – 298
[2] Dorigo, M., Di Caro, G., 1999. ”Ant Colony
Optimization: A New Meta-Heuristic”. IEEE
Proceedings of the 1999 Congress on
Evolutionary Computation. Washington, DC, 6
– 9 July
[3] Gambardella, L.M., Taillard, E.D., Dorigo, M.
1999. “Ant Colonies for the Quadratic Assignment
Problem”. The Journal of the Operational
Research Society 50, No.2, 167-176.
[4] Fang, X., Holsapple, C. W., 2006. “An empirical
study of web site navigation structures’ impact on
web site usability”. Decision Support System 43
(2007) 476 – 491
[5] Yen, Benjamin, 2007. ”The design and evaluation
of accessibility on web navigation”. Decision
Support System 42 (2007), 2219 – 2235
[6] Wang, Y., Dai, W., Yuan, Y., 2007. “Website
borwsing aid : A navigation graph-based
recommendation system”. Decision Support
System 45 (2008) 387 – 400
[7] Hernández, B., Jiménez, J., Martin, M.J., 2009.
Gambar 4. 5 Contoh menu rollover pada situs
www.its.ac.id
Namun dari struktur baru yang didapat, tiap laman
tidak menaut ke setiap laman. Dari segi kepraktisan hal
tersebut akan sangat merepotkan web designer karena
berarti tiap laman memiliki jumlah tautan yang berbedabeda. Padahal di setiap situs web sudah umum bahwa tiap
laman memiliki bentuk tampilan yang sama (template)
“Key website factors in e-business strategy”.
International
Journal
of
Information
Management 29 (2009) 362–371
Agyl Ardi Rahmadi, Wiwik Anggraeni, S.Si, M.Kom, Radityo Prasetyo Wibowo., S.Kom
Jurusan Sistem Informasi, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia
Abstrak
Dengan semakin berkembangnya internet dan penggunaannya yang semakin meluas, semakin banyak perusahaan
yang memasuki kegiatan e-business. Pada industri e-business, situs web menjadi tempat utama ditawarkannya layanan oleh
perusahaan. Sehingga situs web berperan sangat penting pada keberhasilan sebuah e-business. Membuat situs web yang
efektif dan efisien dapat menaikkan kepuasan pengguna, karena mereka dapat menemukan informasi yang mereka inginkan
dengan cepat dan mudah, atau dalam kata lain menghemat waktu dan biaya.
Salah satu cara mengefektifkan sebuah situs web adalah dengan melakukan perbaikan struktur tautan ( links ) yang
ada. Bagi pemilik situs, perbaikan struktur situs web bisa berarti biaya dan waktu yang tidak sedikit. Karena itu, diperlukan
suatu metode perbaikan struktur situs web yang tepat dan efisien. Salah satu metode yang dapat dipakai adalah dengan
metode Quadratic Assignment Problem (QAP). Metode QAP menggunakan konsep graf untuk memetakan struktur situs web
sekaligus mendefinisikan derajat keterhubungan dan hubungan antar laman web. Kemudian digunakan QAP untuk
memodelkan masalah pemosisian laman. Untuk penyelesaian model tersebut, digunakan teknik ant colony.
Dengan menggunakan metode QAP yang diselesaikan dengan teknik ant colony, struktur baru bisa didapatkan dan
dianalisis. Dari analisis bisa diketahui baik tidaknya dari segi fungsi tujuan QAP, analisis closeness, analisis out degree,
serta analisis kepraktisan dari struktur situs web baru dibandingkan dengan struktur lama.
Kata Kunci: Ant Colony Meta-heuristic, QAP, Struktur Situs Web, Situs Web, e-business, Perbaikan struktur situs web
1.
PENDAHULUAN
Membuat suatu situs web yang efektif sebagai pusat
informasi adalah hal yang penting bagi perusahaan, karena
secara tidak langsung akan meningkatkan kepuasan
pelanggan atau pengguna situs. Selain pada industri ebusiness, sifat dasar situs web sebagai pusat informasi juga
berarti bahwa, sebaiknya sebuah situs web memiliki tingkat
kefektifan dan usabilitas/kegunaan yang tinggi sehingga
pengguna atau pencari informasi dapat dengan mudah dan
cepat mencari informasi yang diinginkan.
Terdapat banyak cara yang dapat dilakukan dalam
meningkatkan efektivitas pencarian informasi di dalam
situs web, yaitu dengan site map, search engine, intelligent
navigation aid tools [6]. Sebagai penyedia informasi, sudah
sepatutnya bahwa pemilik situs web menyediakan sebuah
situs web dengan tingkat usabilitas yang tinggi [4].
Terutama pada industri e-business, dimana perusahaan
menggunakan situs untuk mendapatkan informasi
pelanggan, kompetitor, dan rekanan serta untuk
menyediakan informasi tentang perusahaan mereka
Pada penelitian [1] dilakukan suatu metode
perbaikan struktur situs web dengan melakukan permodelan
Quadratic Assignment Problem (QAP). Dengan melakukan
permodelan QAP, masalah struktur situs web dapat
dianalogikan ke dalam permasalahan QAP. Analogi yang
dilakukan juga menentukan asumsi-asumsi yang diperlukan
agar permasalahan struktur situs web dapat dimodelkan ke
dalam QAP.
Setelah dimodelkan ke dalam QAP, maka
selanjutnya
permasalahan
tersebut
diselesaikan
menggunakan teknik Ant Colony Optimization. Dengan
menggunakan ant colony, diharapkan struktur baru situs
web yang lebih baik bisa didapatkan.
Setelah struktur baru didapatkan, penilaian baik
tidaknya struktur baru tersebut digunakan tolok ukur Key
Performance Indicator (KPI) dari situs web yang telah
ditentukan sebelunya. Dengan berdasar pada KPI yang ada,
baik tidaknya struktur baru dari situs web tersebut dapat
ditentukan.
2.
2.1
DASAR TEORI
Graf
Graf adalah struktur diskrit yang digunakan untuk
merepresentasikan objek-objek diskrit dan hubungan antara
objek-objek tersebut (Rossen, 2003). Representasi visual
graf terdiri dari simpul atau verteks ( V ) yang berupa
noktah, bulatan, atau titik untuk merepresentasikan objek.
Untuk merepresentasikan hubungan antar objek dinyatakan
dengan garis atau yang biasa disebut sisi atau edges ( E ) /
arcs ( A ) yang saling menghubungkan verteks tersebut.
Ada beberapa tipe graf yang berbeda, dimana dibedakan
berdasarkan sifat sisi yang saling menghubungkan
pasangan verteks yang terhubung.
Graf digunakan untuk memecahkan masalah di
banyak bidang. Sebagai contoh graf dapat digunakan untuk
mempelajari struktur dari Internet atau World Wide Web
(WWW). Contoh lainnya graf dapat digunakan dalam
permasalahan mencari jalur terpendek dari satu tempat ke
tempat lain di suatu kota atau suatu wilayah.
Graf G dapat didefinisikan sebagai pasangan
himpunan (V,E), yang dalam hal ini :
V = himpunan tidak-kosong dari verteks-verteks
= { v1, v2, …, vn }
E = himpunan sisi yang menghubungkan sepasang
verteks
= { e1, e2, …, en }
Atau dapat ditulis singkat notasi G = ( V,E )
Dalam definisi, V dinyatakan tidak boleh kosong,
sedangkan E boleh kosong. Karena sebuah graf
dimungkinkan tidak mempunyai sisi satu buah pun, tetapi
verteks harus ada, minimal satu.
Verteks pada graf dapat dinomori dengan huruf
seperti a, b, c, …, z, dengan bilangan asli 1,2,3,… atau pun
gabungan keduanya. Sedangkan sisi yang menghubungkan
verteks vi dengan verteks vj dinyatakan dengan pasangan (
vi, vj ) atau dengan lambing e1, e2, … . Dengan demikian,
1
2
jika e adalah sisi yang menghubungkan vi dan vj, e bisa
ditulis sebagai
e = ( vi, vj )
Graf dapat dikelompokkan menjadi beberapa
kategori. Pengelompokkan bergantung pada sudut pandang
yang dipakai. Salah satunya yang dapat digunakan adalah
pengelompokkan berdasar pada arah dan bobotnya.
Berdasarkan arah dan bobotnya, graf dapat dibagi menjadi
empat, yaitu :
• Graf berarah dan berbobot
• Graf berarah dan tidak berbobot
• Graf tidak berarah dan berbobot
• Graf tidak berarah dan tidak berbobot
Graf dimanfaatkan untuk memetakan struktur dari
situs web yang akan dimodelkan ke dalam QAP.
2.2
Quadratic Assignment Problem
Quadratic assignment problem (QAP) atau
permasalahan penugasan kuadratik, merupakan salah satu
permasalahan
fundamental
didalam
optimisasi
kombinatorial yang merupakan cabang dari riset operasi,
dari kategori permasalahan lokasi fasilitas
Ketika kali pertama dikenalkan,r QAP adalah model
matematika untuk lokasi dari aktivitas ekonomi yang tidak
dapat dibagi ( indivisible economical activities ). Tujuannya
adalah untuk menempatkan n fasilitas ke n lokasi dengan
biaya yang sebanding dengan aliran antara fasilitas, dikali
dengan jarak antara lokasi, ditambah dengan biaya untuk
menempatkan fasilitas di lokasi masing-masing. Masalah
tersebut bisa dimodelkan dengan tiga matriks n × n :
A
= (aik), aliran dari fasilitas i ke k
B
= (bjl), jarak dari lokasi j ke l
C
= (cij), biaya penempatan fasilitas i di lokasi j
Sehingga QAP dalam
Beckmann bisa ditulis menjadi,
bentuk
Koopmans-
n
n n
min ∑ ∑ aik bπ (i )π ( k ) + ∑ ciπ (i ) (1)
π ∈S n
i =1
i =1 k =1
Sn adalah himpunan dari semua permutasi dari
bilangan bulat { 1,2, …, n }. aikbπ(i)π(k) adalah biaya
transportasi yang disebabkan menempatkan fasilitas i ke
lokasi π(i) dan fasilitas k ke lokasi π(k). Sebuah contoh
QAP dengan masukan matriks A, B, dan C bisa dinotasikan
dengan QAP(A, B, C).
Selain model matematika (1), QAP juga bisa
dimodelkan tanpa menggunakan matriks C atau cij = 0,
untuk semua 1 ≤ i, j ≤ n. Sehingga model yang ada hanya
terdapat dua matriks n × n, matriks aliran A = (aik), dan
matriks jarak B = (bjl). Sehingga bentuk QAP KoopmansBeckmann bisa ditulis sebagai berikut
n
min
π ∈S n
n
∑∑ aik bπ (i )π ( k )
i =1 k =1
transportasi yang disebabkan dengan menempatkan fasilitas
i ke lokasi π(i) dan fasilitas k ke lokasi π(k).
QAP digunakan untuk memodelkan permasalahan
perbaikan struktur situs web yang nantinya
2.3
Ant Colony Optimization (ACO)
Ant colony Optimization (ACO), adalah teknik
metaheuristik yang berbasis populasi (population-based)
yang bisa digunakan untuk menemukan perkiraan solusi
untuk permasalahan optimisasi yang sulit.
Dalam ACO, sekumpulan agen perangkat lunak
(software agents) yang disebut artificial ants (semut
buatan) mencari solusi terbaik untuk permasalahan
optimisasi yang diberikan. Untuk menerapkan ACO,
permasalahan optimisasi diubah kedalam permasalahan
mencari jalur terbaik dalam graf berbobot.
Semut buatan (setelah ini akan disebut semut),
secara bertahap membuat solusi dengan bergerak dalam
graf. Proses konstruksi solusi bersifat stokastik, yaitu nondeterministik (tidak tentu) yang berarti keadaan sistem
ditentukan baik oleh pergerakan yang telah diperkirakan
dari proses itu sendiri dan oleh unsur acak.
Selain bersifat stokastik, proses konstruksi solusi
juga dipengaruhi oleh model feromon (pheromone model),
yang merupakan sekumpulan parameter yang dikaitkan
dengan komponen dari graf (baik verteks maupun sisi),
yang nilainya berubah selama proses konstruksi.
ACO pada dasarnya adalah paradigma atau kerangka
kerja untuk mendesain algoritma metaheuristik untuk
permasalahan optimisasi kombinatorial. ACO juga bisa
disebut sebagai suatu kelas algoritma. Dalam ACO, semut
buatan membangun solusi terhadap COP dengan melintasi
graf konstruksi yang terhubung penuh, didefinisikan
sebagai berikut.
Pertama, setiap variabel keputusan Xi = … disebut
komponen solusi dan dinotasikan dengan cij. Himpunan dari
semua komponen solusi yang dimungkinkan dinotasikan
dengan C. Graf konstruksi GC(V, E) didefinisikan dengan
mengasosiasikan
komponen-komponen
C
dengan
himpunan verteks V atau dengan himpunan sisi-sisi E.
Nilai dari jejak feromon τij diasosiasikan dengan
komponen cij. Nilai feromon yang ada secara umum
mengikuti fungsi dari iterasi algoritma t : τij = τij(t). Nilai
feromon
mengizinkan
dimodelkannya
distribusi
probabilitas dari komponen-komponen yang berbeda. Nilai
feromon digunakan dan diubah oleh algoritma ACO selama
pencarian solusi.
!
"
#
#
Gambar 2. 1 Algoritma ACO
(2)
Dengan penjelasan yang sama dengan model
matematika (1), Sn adalah himpunan dari semua permutasi
dari bilangan bulat { 1,2, …, n } dan aikbπ(i)π(k) adalah biaya
Semut-semut yang ada bergerak dari verteks ke
verteks sepanjang sisi-sisi dari graf konstruksi,
memanfaatkan informasi dari nilai feromon dan secara
bertingkat membangun sebuah solusi. Sebagai tambahan,
semut-semut menyimpan sejumlah feromon pada
komponen, baik pada verteks maupun sisi yang mereka
lalui.
3
Jumlah dari τ dari feromon yang tersimpan bisa
tergantung pada kualitas solusi yang dibangun. Setelahnya
semut-semut memanfatkan informasi feromon sebagai
panduan untuk membangun solusi yang lebih baik. Secara
garis besar, ACO metaheuristik dapat digambarkan dalam
pseudocode pada gambar 2.8.
ACO Metaheuristik terdiri dari langkah inisialisasi,
dan tiga komponen algoritma yang diaktifkan didalam
prosedur Schedule_Activities. Prosedur ini diulang sampai
terpenuhi kriteria penyelesaian dipenuhi. Sebagai contoh
kriteria adalah jumlah iterasi maksimal.
Prosedur Schedule_Activities tidak mengatur secara
khusus bagaimana tiga algoritma didalamnya dijadwal dan
disinkronisasikan. Bahkan ketiganya harus dieksekusi
secara paralel dan independen, atau jika semacam
sinkronisasi ketiganyan diperlukan. Dalam hampir semua
pengaplikasikan ACO terhadap permasalahan NP-hard, tiga
algoritma tersebut melakukan sebuah perulangan yang
terdiri dari
(i) konstruksi solusi yang dilakukan oleh semua
semut
(ii) meningkatkan kualitas solusi dengan melakukan
local search. Langkah ini boleh dilakukan boleh
tidak.
(iii) pembaruan nilai feromon
METODE PERBAIKAN STRUKTUR SITUS WEB
Metode perbaikan struktur situs web secara garis
besar dapat dilihat pada gambar 3.1. Terdapat tiga bagian
yaitu masukan, proses dan keluaran.
3.1
Masukan
3.1.1
Struktur situs web
Salah satu yang menjadi data masukan untuk
optimisasi yang akan dilakukan adalah struktur situs web.
Struktur disini adalah struktur tautan yang ada pada situs
web tersebut. Yang perlu diperhatikan adalah struktur situs
web disini mengabaikan hal-hal sebagai berikut :
Min TC (a ) = ∑ [Cij × d ( ai , a j )]
1≤ i < j ≤ n
3.
•
Desain tampilan antar muka dari situs web tersebut
•
Fungsi back , yang berfungsi untuk kembali pada
laman web yang dijelajah sebelumnya, pada
perangkat lunak penjelajah web
•
Tautan yang bersifat cross links dan tautan yang
menaut ke laman web sebelumnya dijelajahi.
Mengenai cross links akan dijelaskan nanti.
Ketiga hal tersebut diabaikan untuk menghilangkan
asumsi yang mungkin dapat berkembang, seperti apakah
desain tampilan mempengaruhi bentuk struktur. Selain tiga
hal tersebut, terdapat asumsi lain yang diperlukan, yaitu
situs web hanya memiliki satu root page/homepage atau
laman awal. Sehingga struktur situs web yang akan
dipetakan akan selalu berawal dari satu laman awal
Dalam mendapatkan struktur situs web yang akan
diperbaiki, maka ekstraksi struktur tersebut dapat dilakukan
dengan dua cara, secara otomatis atau manual. Secara
otomatis dapat dilakukan dengan menggunakan perangkat
lunak web crawler, yaitu perangkat lunak yang dapat
menjelajahi situs web tersebut dan mengumpulkan
informasi apapun dari situs web tersebut.
Gambar 3. 1 Diagram alir metode perbaikan struktur situs
web dengan teknik ant colony
Untuk secara manual, dilakukan dengan membuka
situs web tersebut, melihatnya, dan memetakannya secara
manual. Dalam penelitian tugas akhir ini, ekstraksi struktur
situs web dan pemetaan dilakukan secara manual.
Setelah ekstraksi struktur situs web, dilakukan
penyederhanaan. Penyederhanaan struktur ini dilakukan
untuk memenuhi kebutuhan dari tiga hal yang telah
disebutkan sebelumnya. Selain itu juga pertimbangan untuk
mempermudah perhitungan optimisasi nantinya. Karena
dengan graf yang sederhana, perhitungan juga dapat lebih
sederhana. Dengan asumsi bahwa perbaikan struktur pada
tingkat yang sederhana akan dapat meningkatkan juga nilai
pada tingkat kompleks.
3.1.2
File log server situs web
Untuk mendapatkan data log situs web, bisa diambil
secara langsung dari web server. Setelah itu data log yang
ada diproses dengan menggunakan perangkat lunak untuk
analisis data log. Contoh perangkat lunak yang dapat
digunakan adalah SmarterStats 5.1 yang merupakan produk
dari SmarterTools Inc. Data log diproses untuk
mendapatkan laporan mengenai jalur populer dari situs
web.
Setelah laporan didapatkan, dilakukan analisis jalur.
Analisis jalur pada dasarnya adalah menganalisis laporan
yang dihasilkan perangkat lunak untuk analisis data log
situs web. Yaitu pada laporan yang berisi jalur yang sering
digunakan untuk menjelajah situs web tersebut. Analisis
4
• W = {Wij| i ≠ j, i, j ∈ [1,N]} adalah himpunan
semua bobot sisi di dalam G
Wij adalah probabilitas dari L(i,j) di pilih oleh
pengunjung situs web yang telah mengakses Pi yang
didefinisikan
jalur dapat dilakukan dengan membaca hasil laporan dari
perangkat lunak. Dari laporan yang ada, biasanya dapat
dilihat jalur-jalur yang sering dipakai pengunjung dan
jumlah berapa kali jalur tersebut dipakai. Dari laporan
tersebut, dapat disusun User Visiting Sessions (UVS) dan
User Visiting Pattern (UVP)
User visiting sessions atau UVS, adalah pola
kunjungan dari jalur yang sering dilewati pengunjung situs
web. UVS didapat dari data log situs web yang diolah, yaitu
jalur-jalur yang sering dilewati pengunjung ketika berada di
suatu situs web.
Jalur-jalur tersebut didaftar dan diurut sesuai
seberapa sering jalur tersebut dilewati. Sebelumnya, lamanlaman yang dilalui juga telah diberi label, bisa berupa
angka atau huruf, sebagai penanda masing-masing laman
situs web.
Kemudian dari kesemuanya itu, dapat dibentuk suatu
matriks satu baris yang isinya merupakan representasi
apakah suatu laman situs web dikunjungi atau tidak dalam
suatu jalur tersebut. Jumlah kolom pada matriks itu adalah
jumlah laman pada situs web tersebut
User visiting pattern atau UVP adalah matriks VM×N,
yang M merupakan jumlah UVS dari suatu situs web dan N
adalah jumlah laman pada situs web tersebut.
Wij = Rij
OD ( i )
∑R
k =1
(3)
idk
Dengan Rij (Rij ∈ [0,1]) adalah derajat asosiasi dari Pi ke Pj
yang didefinisikan
Rij =
Tabel 3. 1 Contoh UVP dengan 10 UVS situs web
dengan 14 laman
| P(i, j ) |
| P⋅i |
(4)
Jika |P i| ≠ 0. Selain itu Rij = 0, i, j ∈ [1, N].
Derajat asosiasi adalah tingkat suatu laman situs web
terasosiasi dengan situs web yang lain dalam jalur-jalur
yang dilewati pengunjung situs web. Kemudian
didefinisikan Di adalah himpunan semua tujuan dari Pi.
Bobot QAP yang ada adalah Connectivity
Degree/Derajat Keterhubungan. Menurut [2], Cij sebagai
derajat keterhubungan antar laman dalam situs web.
Semakin besar Cij, maka semakin mudah pengunjung
menemukan Pj melalui Pi, dengan
Cij = w1 + w2 + … + wm
(5)
Dengan m adalah jumlah rute tautan dari Pi ke Pj.
Atau dalam kata lain adalah berapa jalan yang dapat dilalui
agar Pi dapat mencapai Pj. Selain itu terdapat tiga asumsi
dasar yang harus dibuat dalam memodelkan permasalahan
perbaikan struktur situs web dengan memodelkannya ke
dalam QAP. Ketiga asumsi tersebut adalah sebagai berikut
1
2
3
4
5
6
7
8
9
10
11
12
13
14
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
2
1
0
0
1
1
0
0
0
0
0
0
0
0
0
3
1
0
1
0
0
1
1
1
0
0
0
0
0
0
4
1
0
0
0
1
0
0
0
1
0
0
0
0
0
5
1
0
0
1
0
0
0
0
1
1
0
0
0
0
Tabel 3. 2 Parameter QAP dan asumsi dalam struktur
situs web
6
1
0
0
0
0
0
0
0
0
0
1
1
0
0
Param.
Definisi dalam QAP
7
1
0
1
0
0
0
0
0
0
0
1
1
0
0
8
1
0
1
1
0
0
0
0
1
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
0
1
0
d(ai,aj)
Jarak antar dua lokasi
9
10
1
0
0
0
0
0
0
1
0
0
0
0
0
1
3.2
Proses
Setelah didapatkan data struktur situs web dan data
UVP hasil olahan data log server situs web, maka
selanjutnya dilakukan permodelan QAP dari masalah
struktur situs web yang ada.
3.2.1
Permodelan QAP
Jika graf struktur jalur populer dari situs web adalah
G, maka
G = ( P, L, W )
Dengan didefinisikan :
• N = jumlah total laman pada situs web
• P = {Pi| i ∈ [1,N]} adalah himpunan semua verteks
dalam G, yang dalam hal ini adalah laman situs web
• L = {L(i, j)| i ≠ j, i, j ∈ [1,N]} adalah himpunan
semua sisi dalam G, yang dalam hal ini adalah
tautan antar laman situs web
Asumsi dalam struktur situs web
Jarak antar dua laman web berdasar
pada
jumlah tautan / langkah untuk
mencapai
tujuan dari laman awal
Cij
Biaya interaksi antar
dua lokasi per unit
jarak
Jumlah interaksi atau
keterhubungan antar
dua laman web berdasar parameter
C
TC(a)
Jumlah biaya dari
susunan fasilitas saat
ini
Jumlah biaya dari struktur situs web
saat ini
Dengan fungsi tujuan QAP yaitu,
Min TC ( a ) = ∑ [Cij × d ( ai , a j )]
1≤ i < j ≤ n
(6)
Setelah asumsi ditentukan dan fungsi tujuan
diketahui,
maka
selanjutnya
adalah
bagaimana
pembentukan model QAP, yaitu matriks jarak dan matriks
bobot dalam permasalahan struktur situs web. Keduanya
akan digunakan dalam perhitungan metode perbaikan, yaitu
penyelesaian model QAP dengan teknik ant colony.
Dalam membentuk matriks jarak yang diperlukan
sebagai pembentuk model QAP, maka diperlukan
perhitungan dengan dilakukan operasi terhadap graf dari
5
struktur situs web yang telah dipetakan. Graf yang
digunakan adalah graf yang merupakan pemetaan dari
seluruh situs web yang ada.
Perhitungan jarak ini dapat diselesaikan dengan
melakukan operasi pada graf. Dengan operasi sederhana,
implementasi perhitungan jarak dapat dilakukan. Perlu
diingat, matriks jarak dalam model QAP merupakan
matriks n x n.
Seperti yang telah dijelaskan, elemen dari matriks
bobot adalah Cij. Dengan kata lain, untuk mendapatkan Cij,
maka setelah data log dan struktur diolah dan siap
digunakan, selanjutnya adalah melakukan perhitungan
untuk mencari Rij, yang akan digunakan untuk mencari
semua Wij. Semua Wij itu yang akan digunakan untuk
mencari nilai dari semua Cij. Sama seperti matriks jarak,
matriks bobot ini merupakan matriks n × n.
3.2.2
Penyelesaian model QAP dengan teknik Ant
Colony
Permasalahan struktur situs web yang telah dibentuk
ke dalam model QAP, maka selanjutnya adalah
menyelesaikan model tersebut dengan menggunakan teknik
ant colony atau ACO. Dengan tujuan meminimalkan nilai
biaya dari struktur, maka pencarian solusi dari model yang
ada adalah dengan mencari struktur baru dari situs web
yang memenuhi fungsi tujuan.
Untuk menyelesaikan model QAP yang ada, maka
teknik ant colony digunakan untuk membuat solusi, yang
dalam hal ini dibuat sebuah generator untuk struktur situs
web yang dicari. Dimana generator tersebut bekerja dengan
masukan matriks biaya dan jumlah laman dari model QAP.
Generator yang dibuat menggunakan konsep dasar dari
ACO yang telah dijelaskan.
Konsep ACO yang digunakan untuk generator
adalah dengan digunakannya aturan state transition rule,
dan pheromone update rule dari ant system. State transition
rule dari [1] :
dibanding struktur sebelumnya. Cara kerja dari generator
yang ada adalah sebagai berikut.
Setiap semut selalu memulai dari verteks 1, yang
dalam hal ini adalah laman awal dari situs web. Setiap
semut “bergerak” dari verteks awal ke verteks selanjutnya.
Pemilihan verteks selanjutnya berdasarkan dari state
transition rule. Setelah dipilih, semut pindah ke verteks
tersebut. Setelah itu semut memilih kembali verteks
selanjutnya yang akan dikunjungi. Berapa kali semut
bergerak dari verteks 1 tergantung dari parameter hop yang
telah ditentukan.
Setelah satu semut berpindah sebanyak sekian hop,
maka semut tersebut berhenti dan semut berikutnya
melakukan proses yang sama. Begitu seterusnya sampai
semua semut telah melakukan perjalanan atau semua
verteks yang tersedia telah dikunjungi. Jika pada
perpindahan pertama suatu semut telah mengunjungi
misalkan verteks 4, maka pada pergerakan ke-2 dan
seterusnya semut tersebut tidak bisa mengunjungi verteks 4.
Ketika semut selanjutnya mulai melakukan pergerakan,
untuk perpindahan pertama semut tersebut bisa
mengunjungi verteks 4, namun tidak pada perpindahan ke-2
dan seterusnya.
(33)
∑
Dengan,
•
Pij(t) adalah probabilitas memilih laman j dari i
pada langkah selanjutnya
•
τij(t) adalah jumlah feromon di sisi i – j
•
α adalah bobot feromon dalam probabilitas
komputasi
Kemudian pheromone update rule :
1
1
∑
!"#"$% &' ()*+ *+,*
,
(34)
Dengan,
• τij( t ) adalah jumlah utama feromon di sisi i – j
• τij( t +1 ) adalah jumlah sekunder feromon di sisi i
–j
• ρ adalah tingkat evaporasi dari feromon
• Q adalah total jumlah feromon di dalam Ant
System
Generator yang dibuat membutuhkan masukan
matriks C yang telah didapatkan dari proses permodelan
QAP. Setelah itu matriks C digunakan untuk mendapatkan
struktur yang memiliki nilai biaya yang lebih kecil
Gambar 3. 2 Ilustrasi sederhana cara kerja generator
graf berdasar ACO
Jadi suatu verteks tidak bisa dikunjungi lagi jika
pada pergerakan sebelumnya verteks tersebut telah
dikunjungi. Semut yang berbeda bisa mengunjungi verteks
tersebut jika memiliki persamaan dalam pergerakan
keberapa semut tersebut mengunjungi verteks tersebut.
Misalkan semut pertama mengunjungi verteks 4 pada
pergerakan pertama, maka semut ke-2 juga bisa
mengunjungi verteks 4 pada pergerakan pertama, tapi tidak
pergerakan ke-2 dan seterusnya. Untuk setiap verteks yang
dikunjungi, disimpan statusnya bahwa verteks X telah
dikunjungi. Fungsinya untuk memberhentikan iterasi yang
berjalan.
Proses dibatasi jumlah iterasi. Setiap iterasi terdapat
sejumlah semut. Setiap semut memiliki jumlah langkah
(hop) sendiri-sendiri. Suatu iterasi selesai jika setiap semut
telah selesai melakukan pergerakan, atau jika semua verteks
6
telah dikunjungi. Di setiap iterasi dilakukan pembaruan
feromon secara global untuk mengubah probabilitas dari
setiap verteks yang dikunjungi. Dengan itu diharapkan
setiap semut dapat membentuk graf dengan tidak terdapat
verteks yang terisolasi. Gambar 3.1 adalah ilustrasi cara
kerja generator.
3.3
Analisis Keluaran
Setelah permodelan QAP dan digunakannya
algoritma ACO, yang dalam hal ini dibuat suatu generator
untuk struktur situs web, diimplementasi dan digunakan
untuk menyelesaikan model QAP yang ada, maka
diharapkan hasil keluaran berupa struktur baru yang lebih
optimal didapatkan.
Setelah didapatkan struktur baru, selanjutnya
dilakukan analisis struktur baru situs web. Analisis
dilakukan dengan mengacu pada KPI yang telah ditentukan
sebelumnya. Dalam hal ini, tujuan struktur baru adalah
bagaimana agar pengunjung dapat lebih cepat dan mudah
dalam mencari informasi yang dibutuhkan. Sehingga KPI
yang ditentukan untuk tujuan tersebut adalah :
• Waktu kunjungan situs web
• Jumlah laman yang dilihat per kunjungan
Dalam analisis diasumsikan bahwa jumlah laman
yang dilihat per kunjungan adalah maksimal untuk tiap
kunjungan, dalam arti kunjungan tersebut semua laman
dalam situs web dikunjungi. Sehingga tiap pengunjung
melakukan penjelajahan dalam situs web terhadap tiap
laman. Kemudian untuk waktu kunjungan situs web,
diambil dari data log situs web untuk rata-rata waktu
kunjungan per laman situs. Kemudian setiap rata-rata waktu
kunjungan dari laman-laman situs web dijumlahkan.
Dengan melihat KPI yang telah ditentukan, jika
waktu yang dibutuhkan untuk menjelajah situs web (
dengan skenario tersebut ) lebih sedikit daripada ketika
skenario dijalankan di struktur lama, maka struktur baru
sudah bisa dikatakan lebih baik dari struktur lama
Selain itu juga dilakukan analisis dari segi analisis
graf, yaitu dari nilai-nilai statistik yang dihasilkan dari
analisis graf. Dan juga dilakukan analisis dari segi praktis.
Yaitu jika struktur tersebut digunakan dalam dunia nyata,
bagaimanaka struktur tersebut mempengaruhi faktor-faktor
yang diabaikan dalam perhitungan seperti desain dari situs
web dan penempatan tautan di dalam situs web.
4.
Dalam uji kasus ini digunakan perangkat lunak
SmarterStats 5.1 yang merupakan produk dari SmarterTools
Inc.
Gambar 4. 1 Tampilan situs web yang digunakan untuk
uji kasus
Perangkat lunak yang digunakan untuk mengolah
data-data log tersebut digunakan untuk menghasilkan
laporan statistik dari situs web kasus. Laporan yang
diperlukan, seperti yang telah dijelaskan, adalah laporan
mengenai jalur populer/popular paths yang sering dilalui
oleh pengunjung situs web.
Uji kasus
4.1
Masukan, Proses, Keluaran
Pada uji kasus ini. situs web yang diambil sebagai
kasus adalah situs web versi English dari Institut Teknologi
Sepuluh Nopember (ITS) yang memiliki alamat laman awal
di http://www.its.ac.id/en.
Log file dari situs web kasus diambil langsung dari
web server tempat situs web tersebut diletakkan. Situs web
kasus diletakkan di web server Apache, sehingga log file
situs web terdapat di directori /log dari direktori utama situs
web dengan tipe log file yang diambil adalah access log
yang mencatat akses yang dilakukan. Log file yang diambil
memiliki periode pencatatan mulai tanggal 22 Desember
2009 - 20 Januari 2010.
Setelah log file dari situs web kasus didapatkan dan
siap untuk digunakan, maka selanjutnya adalah pemilihan
perangkat lunak untuk mengolah data-data log tersebut.
Gambar 4. 2 Hasil pemetaan struktur situs web yang
digunakan
Pada laporan yang dihasilkan perangkat lunak,
terdapat jalur-jalur yang digunakan pengunjung ketika
menjelajah dalam situs web kasus. Tapi dikarenakan situs
web versi Bahasa Indonesia dan Bahasa Inggris dari ITS
ternyata memiliki pencatatan akses yang dijadikan satu,
sehingga dari laporan yang ada juga terdapat jalur-jalur
yang digunakan pengunjung situs web versi Bahasa
Indonesia dari ITS.
Karena itu diperlukan penyisihan data laporan jalur
populer yang dapat dilakukan dengan cara manual atau
7
dengan mengaturnya lewat perangkat lunak pengolah data
log yang digunakan. Untuk uji coba ini, dilakukan
penyisihan secara manual. Sehingga didapatkan jalur-jalur
populer dari situs web kasus
Dalam uji kasus ini, dikarenakan kecilnya nilai
digunakannya jalur-jalur populer yang ada, maka jalur-jalur
populer yang ada mengabaikan batasan minimal banyaknya
jalur-jalur tersebut dipakai.
Dari dua ratus data yang didapatkan dari penyisihan
sebelumnya, dicari data-data yang laik untuk digunakan
karena adanya data-data yang masih tercampur dengan data
situs web versi Bahasa Indonesia ITS. Dari pencarian yang
ada ditemukan sekitar lima puluh data yang digunakan
untuk proses selanjutnya. Selanjutnya data UVP
waktu kunjungan rata-rata untuk tiap laman situs web
kasus. Sehingga tidak dapat dilakukan analisis KPI.
didapatkan dari analisis jalur-jalur populer yang ada.
Berikutnya adalah penggunaan perangkat lunak yang
dibuat dengan memanfaatkan data UVP dan struktur situs
web yang telah didapatkan. Setelah perangkat lunak
dijalankan dengan parameter Q = 100, alpha = 0,1, rho
= 0.9, dan iterasi maksimal adalah seratus. maka hasil
akhir telah didapatkan.
Untuk uji kasus ini, didapatkan struktur yang baik
sebagai struktur baru dari situs web kasus dengan nilai total
biaya yang lebih minimal. Dengan struktur lama, situs web
kasus memiliki nilai total biaya adalah 3.902, setelah
perangkat lunak digunakan, didapatkan total biaya 3.4509.
Gambar 4.3 adalah struktur baru yang dihasilkan.
Gambar 4. 3 Tampilan perangkat lunak setelah proses
selesai
4.2
Analisis hasil keluaran
Dari hasil keluaran perangkat lunak yang telah
didapatkan, maka selanjutnya dilakukan analisis hasil
tersebut agar dapat dinilai apakah hasil keluaran tersebut
bisa dinilai lebih baik dari struktur lama.
Dari hasil keluaran, dilakukan analisis untuk nilai
total biaya. Dari struktur baru yang didapatkan, nilai total
biayanya adalah 3.451 . Sementara dari struktur lama, nilai
total biayanya adalah 3.902. Sehingga dapat disimpulkan
bahwa struktur baru lebih baik dari struktur lama dari segi
nilai total biaya karena telah memenuhi fungsi tujuan yang
ada.
Untuk analisis KPI, dari laporan yang dihasilkan
oleh web log analysis software, tidak dapat ditemukan
Gambar 4. 4 Struktur baru situs web hasil keluaran
perangkat lunak
Karena analisis KPI tidak bisa dilakukan, maka
dilakukan analisis lain untuk menilai baik tidaknya struktur
baru dari situs web kasus yang didapatkan. Analisis yang
dilakukan adalah analisis graf terhadap struktur baru yang
dihasilkan, dan juga analisis dari segi praktis. Analisisanalisis tersebut yaitu analisis Closeness, analisis Out
Degree, dan analisis kepraktisan.
4.2.1
Analisis closeness
Analisis closeness adalah analisis untuk mengetahui
tingkat kedekatan dari masing-masing verteks pada suatu
graf. Semakin kecil langkah yang dibutuhkan, semakin
tinggi nilai dari closeness. Untuk kasus struktur situs web,
closeness menunjukkan tingkat kemudahan untuk
menjelajah dari suatu laman ke laman lainnya. Pada analisis
ini, analisis closeness untuk struktur lama dan baru dari
situs web kasus seperti yang terlihat pada tabel 4.1.
Tabel 4. 1 Tabel perbandingan nilai out degree struktur
lama dan baru
Keterangan
Struktur lama
Struktur baru
Minimum
Maximum
0.01369863
1.0
0.016393442
0.024390243
Mean
0.032140605
0.018765671
Dari nilai rata-rata closeness, dapat dilihat bahwa
struktur lama memiliki nilai yang lebih tinggi daripada
struktur baru yang didapatkan. Dari menurunnya nilai ratarata closeness dari struktur lama dapat ditarik simpulan
bahwa dengan struktur baru pengunjung akan lebih
mengalami kesulitan dalam menjelajah situs web yang ada.
4.2.2
Analisis Out Degree
Analisis Out Degree adalah analisis untuk
menunjukkan tingkat jalur keluar yang dimiliki verteksverteks dalam suatu graf. Semakin tinggi maka semakin
8
banyak out degree yang dimiliki tiap verteks dalam graf
tersebut. Tabel 4.2 menunjukkan perbandingan nilai
analisis out degree untuk struktur lama dan baru dari situs
web kasus.
Tabel 4. 2 Tabel perbandingan nilai out degree struktur
lama dan baru
Keterangan
Struktur lama
Struktur baru
Minimum
0.023809524
0.45238096
Maximum
0.4047619
0.97619045
Mean
0.023255814
0.64451826
Dari tabel dapat dilihat bahwa untuk nilai minimum
dan maksimum serta rata-rata dari out degree mengalami
peningkatan untuk struktur baru, yang berarti dalam setiap
laman struktur baru terdapat banyak tautan baru yang
menuju laman lain. Dengan demikian analisis menunjukkan
bahwa struktur baru menuntut perubahan yang cukup
banyak dalam masalah penempatan tautan baru di tiap
laman.
4.2.3
Analisis kepraktisan
Analisis kepraktisan yang dilakukan disini melihat
bagaimana struktur baru dapat digunakan dari segi desain
tampilan situs web dan tata letak tautan. Dari graf pada
gambar 6.9 dapat dilihat bahwa dari tiap verteks terdapat
banyak sisi yang saling menghubungkan antara satu dengan
verteks lain. Dengan demikian tiap laman terdapat tautan
baru yang sebelumnya tidak ada.
Dari struktur baru yang ada dapat dilihat bahwa
tidak setiap laman terhubung ke laman lainnya. Terdapat
laman yang terhubung ke semua laman lain, sebagai contoh
adalah laman 1. Namun juga terdapat laman yang tidak
terhubung ke semua laman. Sebagai contoh adalah laman 2.
Jika struktur baru tersebut dipakai, dan digunakan. Dari
segi tampilan situs web, dapat digunakan tipe menu rollover
untuk menempatkan tautan. Contoh menu rollover seperti
yang terlihat pada gambar 6.10 yang diambil dari situs web
ITS versi Bahasa Indonesia.
dengan jumlah tautan yang sama juga. Sehingga struktur
baru dari segi kepraktisan tidak dapat diimplementasikan.
5.
Simpulan
Setelah melakukan uji kasus dan analisis hasil dari
metode perbaikan struktur situs web dengan teknik ant
colony, maka dapat disimpulkan hal-hal sebagai berikut
untuk permasalahan struktur situs web yang diangkat:
• Perbaikan struktur situs web dengan menggunakan
teknik ant colony dilakukan dengan cara
memodelkan permasalahan struktur situs web ke
dalam QAP yang solusinya dicari dengan
menggunakan generator struktur situs web yang
bekerja dengan konsep ant colony.
• Implementasi dari metode perbaikan struktur situs
web dengan teknik ant colony telah dapat dilakukan
dengan pembuatan perangkat lunak untuk
permodelan QAP dan web log analysis software
untuk analisis awal log file situs web.
• Telah didapatkan usulan perbaikan struktur situs
web dari situs web versi English ITS.
6.
Daftar Pustaka
[1] Saremi, H. Qahri, Abedin, B., Karmeni, A.
Meiman, 2008. ”Website structure improvement:
Quadratic assignment problem approach and ant
colony meta-heuristic technique”. Applied
Mathematics and Computation 195, 285 – 298
[2] Dorigo, M., Di Caro, G., 1999. ”Ant Colony
Optimization: A New Meta-Heuristic”. IEEE
Proceedings of the 1999 Congress on
Evolutionary Computation. Washington, DC, 6
– 9 July
[3] Gambardella, L.M., Taillard, E.D., Dorigo, M.
1999. “Ant Colonies for the Quadratic Assignment
Problem”. The Journal of the Operational
Research Society 50, No.2, 167-176.
[4] Fang, X., Holsapple, C. W., 2006. “An empirical
study of web site navigation structures’ impact on
web site usability”. Decision Support System 43
(2007) 476 – 491
[5] Yen, Benjamin, 2007. ”The design and evaluation
of accessibility on web navigation”. Decision
Support System 42 (2007), 2219 – 2235
[6] Wang, Y., Dai, W., Yuan, Y., 2007. “Website
borwsing aid : A navigation graph-based
recommendation system”. Decision Support
System 45 (2008) 387 – 400
[7] Hernández, B., Jiménez, J., Martin, M.J., 2009.
Gambar 4. 5 Contoh menu rollover pada situs
www.its.ac.id
Namun dari struktur baru yang didapat, tiap laman
tidak menaut ke setiap laman. Dari segi kepraktisan hal
tersebut akan sangat merepotkan web designer karena
berarti tiap laman memiliki jumlah tautan yang berbedabeda. Padahal di setiap situs web sudah umum bahwa tiap
laman memiliki bentuk tampilan yang sama (template)
“Key website factors in e-business strategy”.
International
Journal
of
Information
Management 29 (2009) 362–371