PEMODELAN TINGKAH LAKU PENGUNJUNG SITUS E-COMMERCE MENGGUNAKAN APLIKASI PENGOLAH LOG WEB SERVER DENGAN PENDEKATAN CUSTOMER BEHAVIOR MODEL GRAPH (CBMG).
1 BAB I PENDAHULUAN
1.1 Latar Belakang
Perkembangan e-commerce Indonesia dapat menjadi sesuatu yang menjanjikan. Hal ini diakibatkan oleh beberapa faktor, diantaranya jumlah pengguna internet yang kian bertambah. Perkembangan situs e-commerce di Indonesia sendiri telah ada sejak tahun 1996, dengan berdirinya Dyviacom Intrabumi atau D-Net (www.dnet.net.id) sebagai perintis transaksi online.
Tolak ukur baik tidaknya suatu situs e-commerce diantaranya ditinjau dari banyak tidaknya pengguna mengakses situs tersebut dan seberapa lama pengunjung mengakses situs tersebut. Semakin banyak dan semakin lama pengunjung mengakses situs tersebut mengindikasikan bahwa situs tersebut bernilai baik.
Seluruh aktifitas yang dilakukan oleh user pada sebuah situs e-commerce akan tersimpan dalam log access web server. Semakin banyak kunjungan yang dilakukan pada sebuah situs e-commerce semakin besar pula data yang terekam dalam log access web server. Ukuran data yang tersimpan dalam log access web server tidak hanya dalam ukuran megabyte, tetapi dapat juga dalam terabyte atau bahkan sampai petabyte. Karena jumlah data yang besar dan pentingnya data log access web server, maka diperlukan analisis terhadap data tersebut, sehingga informasi yang tersembunyi di balik data log access web server dapat digali. Analisis yang dilakukan terhadap log access web server diharapkan akan dapat
(2)
memberikan informasi untuk peningkatan efektifitas sebuah situs e-commerce, memberikan layanan komunikasi yang lebih baik, dan juga dapat untuk meningkatkan target tertentu terhadap sebuah kelompok pemakai.
Pengunjung suatu situs web akan berinteraksi melalui serangkaian permintaan (request) yang bertalian dan berhubungan selama melakukan suatu kunjungan tunggal yang sering disebut dengan istilah session (Menasce dan Almeyda, 2000). Interaksi ini dilakukan untuk mendapatkan informasi maupun layanan yang diinginkan oleh pengunjung situs Web.
Pengunjung situs web dalam sebuah session dapat berinteraksi dengan berbagai fungsi yang telah disediakan. Interaksi yang dilakukan oleh pengunjung yang satu dengan pengunjung yang lain mungkin berbeda baik dalam urutan rangkaian permintaannya maupun frekuensi kunjungannya. Pengunjung yang sama dalam session yang berbeda mungkin melakukan rangkaian permintaan yang berbeda. Tingkah laku atau interakasi pengunjung situs web dapat dimodelkan dengan suatu graf.
Pemodelan tingkah laku pengunjung situs web dapat digunakan untuk mengetahui pola kunjungan sebuah situs web berdasarkan log askes web server. Informasi pola kunjungan ini dapat digunakan untuk mengetahui fungsi-fungsi mana saja yang sering dilakukan ataupun jarang dilakukan oleh pengunjung. Hal ini terkait dengan bagaimana pengaturan distribusi beban pada sumber daya yang ada sehingga layanan yang disediakan situs web dapat optimal.
(3)
1.2 Rumusan Masalah
Perumusan masalah yang akan dibahas dalam skripsi ini adalah :
1. Bagaimana membangun aplikasi pengolah log access web server yang dapat memodelkan tingkah laku pengunjung suatu situs e-commerce sebagai bahan pertimbangan optimalisasi distribusi beban terhadap fungsi-fungsi didalam situs dan pengaturan tata letak layar yang baik agar meningkatkan performa situs tersebut? 2. Bagaimana aplikasi tersebut dapat memodelkan tingkah laku
pengunjung situs e-commerce menjadi sebuah model graf dengan metode CBMG (Customer Behavior Model Graph)?
1.3 Batasan Masalah
Agar skripsi ini terarah dan sesuai dengan yang dibutuhkan, maka penulis membatasi penelitian, yaitu :
1. Situs e-commerce yang dijadikan sebagai objek penelitian adalah situs yang telah existing yaitu situs www.plasarionline.com .
2. Hanya akan membangun sebuah aplikasi pengolah log akses web server dengan metode CBMG.
3. Hasil dari pengolahan akan menjadi bahan pertimbagan pengguna (admin situs e-commerce) untuk mengatur distribusi beban dan penataan ulang tata letak layar.
(4)
4. Berdasarkan arah dan bobotnya graf yang di presentasikan dalam penelitian ini adalah jenis graf yang disebut graf berarah dan berbobot.
1.4 Tujuan Penelitian
Tujuan dari peneltian ini adalah :
1. Untuk membangun aplikasi pengolah log akses web server yang mampu membantu administrator atau pengembang situs e-commerce dalam meningkatkan performa situs dengan menghasilkan pola tingkah laku pengunjung sebagai bahan pertimbangan optimalisaisi distribusi beban fungsi-fungsi dari situs tersebut dan pengaturan tata letak layar yang baik.
2. Penerapan metode Customer Behavior Model Graph (CBMG) untuk menghasilkan pola tingkah laku pengunjung yang akan digunakan dalam aplikasi pengolah log akses web server.
1.5 Manfaat Penelitian
Manfaat yang ingin di peroleh dari penelitian ini adalah :
1. Memberikan informasi kepada pengguna mengenai bagaimana pola kunjungan sebuah situs web dalam sebuah rentang waktu tertentu.
(5)
2. Memberikan informasi kepada pengguna fungsi-fungsi mana saja dalam sebuah situs web yang sering dilakukan ataupun yang jarang dilakukan oleh pengunjung.
3. Meningkatakan layanan dalam sebuah situs web dengan mengatur distribusi beban pada sumber daya yang ada berdasarkan informasi model tingkah laku pengunjung.
4. Menambah wawasan dan dapat menerapkan ilmu yang di peroleh diperkuliahan sehingga bermanfaat.
5. Sebagai bahan referensi bagi para peniliti yang ingin mengembangkan aplikasi pengolah log web server ini.
1.6 Metode Penelitian
Metode yang digunakan dalam penelitian ini adalah : 1. Metode Studi Pustaka
Melakukan pengkajian teori yang mendukung penelitian melalui referensi-referensi, baik berupa buku maupun jurnal karya ilmiah.
2. Metode Pengembangan Perangkat Lunak
Metode yang digunakan untuk membangun sistem aplikasi pengolah log web server ini yaitu “Linear Sequential Model”. Model ini sering disebut dengan “classic life cycle” atau model waterfall yang dikembangkan oleh Roger S. Pressman, adapun model proses waterfall adalah sebagai berikut :
(6)
a. Analysis
Merupakan tahap menganalisa hal-hal yang diperlukan dalam pelaksanaan proyek pembangunan sistem aplikasi pengolah log web server.
c. Design
Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang mudah dimengerti dan diinginkan oleh user.
d. Coding
Tahap penerjemahan data atau pemecahan masalah yang telah dirancang kedalam bahasa pemrograman tertentu, dalam penelitian ini menggunakan PHP.
e. Testing
Merupakan tahap pengujian terhadap perangkat lunak yang dibangun
Gambar 1.1 Diagram Model Waterfall Pressman System / Information
Engnering
Design
(7)
1.7 Sistematika Penulisan
Berikut ini adalah sistematika penulisan laporan skripsi : BAB I PENDAHULUAN
Berisi tentang pemaparan dari latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Pada bab ini dijelaskan mengenai dasar teori e-commerce , log web server, dan Customer Behavior Model Graph .
BAB III METODOLOGI PENELITIAN
Menjelaskan proses penelitian yang dilakukan oleh penulis dalam melakukan proses pembuatan sistem aplikasi pengolah log web server.
BAB IV PEMBAHASAN DAN HASIL PENELITIAN
Pemaparan hasil analisis proses pembuatan sistem aplikasi pengolah log web server.
BAB V KESIMPULAN DAN SARAN
(8)
8 BAB II
KAJIAN PUSTAKA
2.1 E-commerce
Electronic Commerce (e-commerce) didefinisikan sebagai proses pembelian dan penjualan produk, jasa dan informasi yang dilakukan secara elektronik dengan memanfaatkan jaringan komputer. Salah satu jaringan yang digunakan adalah internet.
Sementara itu Kalakota dan Whinston mendefinisikan e-commerce dari beberapa perspektif, yaitu:
1. Dari perspektif komunikasi, e-commerce adalah pengiriman informasi, produk/jasa, atau pembayaran melalui jaringan telepon, atau jalur komunikasi lainnya;
2. Dari perspektif proses bisnis, e-commerce adalah aplikasi teknologi menuju otomatisasi transaksi bisnis dan work flow;
3. Dari perspektif pelayanan, e-commerce adalah alat yang digunakan untuk mengurangi biaya dalam pemesanan dan pengiriman barang; dan
4. Dari perspektif online, e-commerce menyediakan kemampuan untuk menjual dan membeli produk serta informasi melalui internet dan jaringan jasa online lainnya.
(9)
Selanjutnya Yuan Gao dalam Encyclopedia of Information Science and Technology (2005), menyatakan e-commerce adalah penggunaan jaringan komputer untuk melakukan komunikasi bisnis dan transksaksi komersial.
Kemudian di website e-commerce.net, e-commerce didefinisikan sebagai kegiatan menjual barang dagangan dan atau jasa melalui internet. Seluruh komponen yang terlibat dalam bisnis praktis diaplikasikan disini, seperti customer service, produk yang tersedia, cara pembayaran, jaminan atas produk yang dijual, cara promosi dan sebagainya. Seluruh definisi yang dijelaskan pada dasarnya memiliki kesamaan yang mencakup komponen transaksi (pembeli, penjual, barang, jasa dan informasi), subyek dan obyek yang terlibat, serta media yang digunakan (dalam hal ini adalah internet).
Perkembangan teknologi informasi terutama internet, merupakan faktor pendorong perkembangan e-commerce . Internet merupakan jaringan global yang menyatukan jaringan komputer di seluruh dunia, sehingga memungkinkan terjalinnya komunikasi dan interaksi antara satu dengan yang lain diseluruh dunia. Dengan menghubungkan jaringan komputer perusahaan dengan internet, perusahaan dapat menjalin hubungan bisnis dengan rekan bisnis atau konsumen secara lebih efisien. Sampai saat ini internet merupakan infrastruktur yang ideal untuk menjalankan e-commerce , sehingga istilah e-commerce pun menjadi identik dengan menjalankan bisnis di internet.
Pertukaran informasi dalam e-commerce dilakukan dalam format digital sehingga kebutuhan akan pengiriman data dalam bentuk cetak dapat dihilangkan. Dengan menggunakan sistem komputer yang saling terhubung melalui jaringan
(10)
telekomunikasi, transaksi bisnis dapat dilakukan secara otomatis dan dalam waktu yang singkat. Akibatnya informasi yang dibutuhkan untuk keperluan transaksi bisnis tersedia pada saat diperlukan. Dengan melakukan bisnis secara elektronik, perusahaan dapat menekan biaya yang harus dikeluarkan untuk keperluan pengiriman informasi. Proses transaksi yang berlangsung secara cepat juga mengakibatkan meningkatnya produktifitas perusahaan.
Dengan menggunakan teknologi informasi, e-commerce dapat dijadikan sebagai solusi untuk membantu perusahaan dalam mengembangkan perusahaan dan menghadapi tekanan bisnis. Tingginya tekanan bisnis yang muncul akibat tingginya tingkat persaingan mengharuskan perusahaan untuk dapat memberikan respon. Penggunaan e-commerce dapat meningkatkan efisiensi biaya dan produktifitas perusahaan, sehingga dapat meningkatkan kemampuan perusahaan dalam bersaing.
2.2 Log Access Web Server
Pengelolaan web server secara efektif membutuhkan feedback mengenai aktivitas dan kinerja server, serta permasalahan-permasalahan yang mungkin terjadi (http://httpd.apache.org/docs/logs.html).
Feedback ini dapat berupa informasi mengenai pengguna-pengguna yang mengakses situs web, apa yang diakses dan statusnya, serta waktu pengaksesan. Informasi tersebut tersimpan pada log web server terutama file access_log. Common Log Format (CLF) untuk setiap baris data pada file access_log adalah sebagai berikut (R. Harol, 1997):
(11)
“remotehost rfc931 authuser [date] request status_bytes”, penjelasan dari setiap bagiannya dapat dilihat pada tabel 2.1 berikut:
Tabel 2.1 Common Log Format File
Field Description
remotehost Nama host atau alamat IP dari penguna yang mengakses situs web. Rfc931 Username dari pengguna pada remote
system seperti yang dispesifikasikan pada RFC931
Authuser Username yang melakukan otentifikasi seperti yang dispesifikasikan pada RFC931
[date] Informasi tanggal dan waktu saat melakukan request HTTP dan merupakan sistem pewaktuan lokal. ”request” Informasi HTTP request dari
pengguna.
status Angka numerik yang meyatakan status kode dari HTTP yang dikirim ke penguna
bytes Panjang bytes dari data yang dikirim ke pengguna
(12)
Sumber: R. Harol, Elliotte. 1997. Java Network Programming. O’Reilly andAssociates Inc. USA
2.3 Customer Behavior Model Graph (CBMG)
Model tingkah laku pengunjung suatu situs web mengambil elemen-elemen tingkah laku pengunjung dalam arti pola navigasi, fungsi-fungsi yang digunakan, frekuensi akses terhadap fungsi-fungsi dan waktu antara pengaksesan terhadap fungsi-fungsi yang ditawarkan oleh suatu situs web (Menasce dan Almeyda, 2000).
Model tingkah laku pengunjung ini diperoleh berdasarkan interaksi yang dilakukan pada setiap session dari pengunjung situs web. Data mengenai interaksi masing-masing pengunjung pada setiap session dapat diperoleh dari log akses terhadap situs Web yang tersimpan pada Web server. Selama satu session, pengunjung dapat diklasifikasikan dalam suatu keadaan yang berbeda menurut tipe fungsi-fungsi yang diminta (Menasce dan Almeyda, 2000).
(13)
Transisi yang mungkin terjadi di antara setiap keadaan dapat dimodelkan ke dalam suatu graf yang disebut dengan Customer Behavior Model Graph (CBMG) yang dikenalkan oleh Menasce dan Almeyda. Model ini biasanya diterapkan pada situs e-commerce.
Elemen dari CBMG (Gambar 2.2) adalah simpul yang menggambarkan keadaan atau fungsi yang diminta oleh pengunjung selama satu session dan anak panah yang menghubungkan masing-masing keadaan sesuai dengan kemungkinan transisi yang dilakukan oleh pengunjung (Menasce dan Almeyda, 2000).
(14)
Dari data urutan akses setiap sesi dihitung probabilitas transisi dari satu titik navigasi (fungsi) ke titik navigasi (fungsi) lain dengan perhitungan sebagai berikut:
P(i,j) = Ci,j / Σ Ci,k untuk k = 1, …, n (2.1) dengan
• Ci,j adalah jumlah transisi dari i ke j dalam data • n adalah jumlah titik navigasi
(15)
15 BAB III
METODOLOGI PENELITIAN
3.1 Desain Penelitian
Untuk memudahkan penyusun dalam melakukan penelitian, dibutuhkan desain penelitian. Adapun tahapan-tahapan dalam desain penelitian yang dilakukan penyusun dalam proses penelitian skripsi yang berjudul “Pemodelan tingkah laku pengunjung situs e-commerce menggunakan aplikasi pengolah log web server dengan pendekatan Customer Behavior Model Graph” dapat dilihat secara jelas pada gambar 3.1 yang menunjukan rencana atau struktur penelitian yang digunakan untuk memecahkan permasalahan yang diangkat dalam penelitian ini.
Tahapan-tahapan desain penelitian yang penyusun lakukan diantaranya adalah:
1. Mengumpulkan data yang akan digunakan pada aplikasi pengolah log access web server.
2. Mempelajari data log access web server yang diperoleh dari administrator situs web www.palasarionline.com.
3. Mempersiapkan alat, perangkat, dan bahan penelitian. 4. Pengembangan perangkat lunak.
(16)
Gambar dibawah ini adalah gambar desain penelitian dari tahapan-tahapan yang telah penyusun uraikan diatas.
Gambar 3.1 Desain Penelitian
Pengembangan Perangkat Lunak (Sequensial Linear Model) 1. Mengumpulkan data yang akan digunakan pada aplikasi pengolah log
access web server (observasi dan kepustakaan).
2. Mempelajari data log access web server yang diperoleh dari
administrator situs web www.palasarionline.com dan Customer Behavior Model Graph (CBMG).
3. Mempersiapkan alat, perangkat, dan bahan penelitian.
4. Analisis 5. Desain (Penerapan CBMG) 6. Kode 7. Tes
1. Analisis Situs www.palasarionline.com 2. Analisi Proses Bisnis
3. Perancangan Basis Data 3. Peta Aliran Data
4. Analisis Pengguna
1. Penyaringan Data Log Akses 2. Identifikasi Session
3. Menghitung Probabilitas Transisi 4. Menghitung Visit Ratio Setiap Fungsi 5. Memodelkan Tingkah Laku Pengujung
(17)
3.2 Alat dan Bahan Penelitian 3.2.1 Alat Penelitian
Alat yang digunakan dalam peneitian ini yaitu:
1. Bahasa pemrograman php sebagai tools pembuatan aplikasi pengolah log files
2. Apache Web Server 3. MySQL Database Server
3.2.2 Bahan Penelitian
Sedangkan bahan yang digunakan dalam penelitian ini adalah data log akses yang terdapat pada web server dimana situs web www.palasarioline.com di hostingkan. Format log akses yang digunakan dalam penelitian ini adalah sebagai berikut :
Tabel 3.1 Format log akses palasarionline.com remotehost Nama host atau alamat IP dari
penguna yang mengakses situs web. [date] Informasi tanggal dan waktu saat melakukan request HTTP dan merupakan sistem pewaktuan lokal. ”request” Informasi HTTP request dari
pengguna.
(18)
status kode dari HTTP yang dikirim ke penguna
bytes Panjang bytes dari data yang dikirim ke pengguna
User Agent Informasi browser yang digunakan pengguna
Contoh data log akses palasarionline.com dapat dilihat pada gambar berikut :
67.195.115.105 - - [14/Nov/2010:19:01:24 +0700] "GET /keranjang_belanja.php?&masuk=BFE0358 HTTP/1.0" 200 3917 "-" "Mozilla/5.0 (compatible; Yahoo! Slurp;
http://help.yahoo.com/help/us/ysearch/slurp)"
114.121.225.69 - - [14/Nov/2010:19:01:27 +0700] "POST /result.php HTTP/1.1" 200 4146
"http://www.palasarionline.com/result.php" "Mozilla/5.0 (Windows; U; Windows NT 5.1; id; rv:1.9.2.12) Gecko/20101026 Firefox/3.6.12 (.NET CLR 3.5.30729)"
114.121.225.69 - - [14/Nov/2010:19:01:30 +0700] "GET /favicon.ico HTTP/1.1" 404 - "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; id; rv:1.9.2.12) Gecko/20101026 Firefox/3.6.12 (.NET CLR 3.5.30729)" 67.195.115.105 - - [14/Nov/2010:19:01:32 +0700] "GET /keranjang_belanja.php?&masuk=KLK0015 HTTP/1.0" 200 3921 "-" "Mozilla/5.0 (compatible; Yahoo! Slurp;
http://help.yahoo.com/help/us/ysearch/slurp)"
125.163.96.162 - - [14/Nov/2010:19:01:36 +0700] "GET /bantuan.php HTTP/1.1" 200 4607 "http://www.palasarionline.com/result.php" "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.2.12) Gecko/20101026 Firefox/3.6.12 (.NET CLR 3.5.30729)"
67.195.115.105 - - [14/Nov/2010:19:01:37 +0700] "GET /detail.php?kode=PBT0029 HTTP/1.0" 200 4042 "-" "Mozilla/5.0 (compatible; Yahoo! Slurp; http://help.yahoo.com/help/us/ysearch/slurp)"
114.121.225.69 - - [14/Nov/2010:19:01:37 +0700] "POST /result.php HTTP/1.1" 200 4124
"http://www.palasarionline.com/result.php" "Mozilla/5.0 (Windows; U; Windows NT 5.1; id; rv:1.9.2.12) Gecko/20101026 Firefox/3.6.12 (.NET CLR 3.5.30729)"
(19)
3.3 Metode Penelitian
Metode yang digunakan dalam penelitian ini adalah : 1. Metode Studi Pustaka
Melakukan pengkajian teori yang mendukung penelitian melalui referensi-referensi, baik berupa buku maupun jurnal karya ilmiah.
2. Metode Pengembangan Perangkat Lunak
Metode yang digunakan untuk membangun sitem aplikasi pengolah log access web server ini yaitu “Linear Sequential Model”. Model ini sering disebut dengan “classic life cycle” atau model waterfall yang dikembangkan oleh Roger S. Pressman, adapun model proses waterfall adalah sebagai berikut :
a. Analysis
Merupakan tahap menganalisa hal-hal yang diperlukan dalam pelaksanaan proyek pembangunan sistem aplikasi pengolah log web server.
b. Design
Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang mudah dan dimengerti dan diinginkan oleh user. c. Coding
Tahap penerjemahan data atau pemecahan masalah yang telah dirancang kedalam bahasa pemrograman tertentu, dalam penelitian ini menggunakan PHP.
(20)
d. Testing
Merupakan tahap pengujian terhadap perangkat lunak yang dibangun.
3.4 Metode Pemecahan Masalah
Dalam mengimplementasikan pendekatan CBMG (Customer Behavior Model Graph ) pada aplikasi pengolah datal log akses web server, ada beberapa tahap yang harus dilewati, berikut tahapannya seperti dijelaskan pada gambar 3.3 :
(21)
Gambar 3.3 Customer Behavior Characterization Methodology (Menasce, V.A.F. Almeida. 2000. Scaling for E-Business: Technology,Models, Performance, and Capacity Planning. Prentice Hall Inc.New Jersey,USA.)
1. Penggabungan dan Penyaringan Data (Merge & Filter)
Sebelum masuk ketahap penyaringan data dari log akses yang akan diolah dilihat apakah merupakan data baru (berdasarkan waktu akses) atau bukan. Apabila kondisi tersebut terepenuhi maka data log akan digabung (merge) dengan data log sebelumnya untuk kemudian Informasi yang terdapat dalam log akses tersebut disaring untuk mendapatkan data yang dibutuhkan saja. Informasi log yang diabaikan
FILTER, MERGE
GET SESSIONs HTTP Logs
…
Request Logs
Session Logs
GET CBMGs
CBMGs ………
(22)
dalam penyaringan ini antara lain, request terhadap file multimedia (gambar, icon, animasi, suara dan video ), client-side script file, dan casacading style sheet file. Informasi tersebut diabaikan karena merupakan bagian dari suatu request terhadap sebuah halaman web.(Purnomo, Sigit.2006)
1. Identifikasi Session (Get Sessions).
Dalam tahap ini ada tiga langkah utama yang harus dilakukan. Pertama adalah mengurutkan data log berdasarkan waktu request. Selanjutnya mengelompokan urutan request dalam ip address yang sama dan dalam suatu rentang waktu tertentu (session). Terakhir adalah mengakumulasi setiap transisi dari suatu file request ke file request berikutnya dalam setiap session.
2. Pemodelan Tingkah Laku Pengunjung (Get CBMG).
Setiap file request didefinisikan menjadi simpul-simpul graf yang disebut juga fungsi-fungsi atau titik navigasi. Dari hasil akumulasi setiap transisi dari suatu titik navigasi ke titik navigasi lain, di hitung probabilitas transisi tersebut dengan rumus :
, , / ∑ , untuk k=1, ..., n (3.1)
Ci,j adalah jumlah transisi dari titik navigasi ‘i’ ke titik navigasi ‘j’ dalam data, dan ‘n’ adalah jumlah titik navigasi. Setelah mendapatkan nilai probabilitas dari setiap transisi, nilai-nilai tersebut dimasukan kedalam sebuah matriks probabilitas transisi antar titik navigasi seperti diperlihatkan pada gambar contoh di bawah ini :
(23)
Gambar 3.4 Matriks Probabilitas Transisi Antar Titik Navigasi
Dari matriks tersebut kemudian direpresentasikan ke dalam sebuah model graf jenis graf berarah dan berbobot dengan setiap titik-titik navigasi (fungsi) menjadi simpul graf dan nilai probabilitas dari suatu titik navigasi ke titik navigasi lain menjadi arah dan bobot graf. Contoh hasil representasi dari sebuah matriks menjadi sebuah graf berbobot dan berarah (CBMG) dapat dilihat dalam gambar berikut.
(24)
24 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Proses Pengumpulan Data Penelitian
Proses pengumpulan data ini dilakukan untuk memperoleh data-data yang diperlukan dalam penelitian. Berikut ini akan dijelaskan beberapa proses pengumpulan data yang dilakukan oleh penyusun, diantaranya adalah:
1. Observasi
Melakukan pengamatan langsung terhadap objek penelitian, yaitu pada situs www.palasarionline.com, hasil dari observasi tersebut digunakan pada tahap pengembangan perangkat lunak.
2. Studi Kepustakan
Terdapat beberapa referensi yang penyusun gunakan, diantaranya adalah :
a . Buku tentang materi Customer Behavior Model Graph (CBMG), “Menasce, V.A.F. Almeida. 2000. Scaling for E-Business: Technology,Models, Performance, and Capacity Planning. Penerbit Prentice Hall Inc.New Jersey,USA.”.
b. Buku tentang pemrograman PHP, “Sidik, Betha. 2006. Pemrograman Web Dengan PHP. Penerbit Informatika. Bandung,Indonesia”
c. Jurnal “Purnomo, Y.Sigit. Pemodelan Tingkah Laku Pengunjung Situs Web Berdasarkan Data Log Web Server.”
(25)
4.2 Pengembangan Perangkat Lunak
4.2.1 Analisis Kebutuhan Perangkat Lunak
Analisis kebutuhan perangkat lunak meliputi beberapa analisis, diantaranya adalah analisis situs www.palasarionline.com, analisis proses bisinis, peta aliran data, dan analisi pengguna.
4.2.2 Analisis Situs www.palasarionline.com.
Situs www.palasaraionline.com di hosting dalam sebuah sharing server (Rumah Hosting) dengan spesifikasi service sebagai berikut :
a. Web Server : Apache versi 2.2.16
b. Database Server : MySQL versi 5.1.51
c. Sistem Operasi : Linux
d. PHP version : 5.3.3
(26)
Format log yang didapat adalah CLF (Common Log Format) untuk setiap baris data pada file akes log tersebut adalah sebagai berikut :
Gambar 4.1 Deskripsi Setiap Baris Log Akses Situs www.palasarionline.com
67.195.115.105 remotehost
[14/Nov/2010:19:01:37 +0700]
"GET /detail.php?kode=PBT0029 HTTP/1.0"
200 4042
"Mozilla/5.0 (compatible; Yahoo! Slurp;
http://help.yahoo.com/help/us/ ysearch/slurp)"
[date]
byte
user agent status “request”
(27)
4.2.3 Analisis Proses Bisnis
Pada proses pengolahan data log akses, user (admin situs palasarionline.com) mengunggah file data log akses yang akan diolah ke data storage server dimana aplikasi pengolah data log akses dihostingkan. Data log akses ini berupa file text yang di unduh dari server situs www.palasarionline.com menggunakan aplikasi Raw Access Log. Setelah itu aplikasi pengolah log akses tersebut akan memproses data log akses untuk mendapatkan banyak session, probabilitas transisi antar fungsi, dan visit ratio setiap fungsi berdasarkan data log akses yang di unggah. Hasil pengolahan tersebut akan ditampilkan pada antarmuka pengguna. Proses tersebut akan diulang setiap admin situs mendapatkan data log yang baru sehingga hasil pengolahan akan di-update setiap ada proses baru.
4.2.4 Peta Aliran Data
(28)
28
(29)
29 4.2.5 Analisis Pengguna
Berikut ini adalah hak akses pengguna (administrator situs e-commerce) terhadap aplikasi pengolah log akses web server, yaitu:
a. Mempunyai hak akses untuk menggunakan fitur unggah data. b. Mempunyai hak akses untuk melihat hasil jumlah session.
c. Mempunyai hak akses untuk melihat probabilitas transisi antar fungsi .
d. Mempunyai hak akses untuk melihat model tingkah laku pengunjung (CBMG).
e. Mempunyai hak akses untuk melihat visit ratio setiap fungsi.
4.2.6 Desain Perangkat Lunak
Tahap ini merupakan penerapan metode CBMG sebagai solusi yang dapat memenuhi kebutuhan informasi dari pengguna yang telah didefinisikan sebelumnya. Terdapat lima langkah yang harus dipenuhi untuk mendapatkan hasil dari tahap ini, langakah-langkah tersebut adalah : penyaringan data log akses, identifikas session, perhitungan probabilitas transisi, perhitungan visit ratio setiap fungsi, dan yang terakhir pemodelan tingkah laku pengunjung (CBMG).
4.2.7 Perancangan Basis Data
Perancangan basis data dibuat dalam bentuk rancangan model data konseptual yaitu entity relationship diagram (ERD) yang menunjukkan informasi
(30)
dibuat, disimpan, dan digunakan dalam sistem bisnis dan physical data model yang merupakan bentuk fisik dari data konseptual yang telah dibuat. Entity relationship diagram (ERD) dapat dilihat pada gambar 4.5 sedangkan physical data model dapat dilihat di dokumen teknis perangkat lunak.
Gambar 4.4 Entity Relationship Diagram
4.2.8 Penyaringan dan Penggabungan Data Log Akses
Setelah data log akses digabungkan dengan data log yang baru (berdasarkan waktu request) langkah selanjutnya adalah Informasi yang terdapat dalam log akses disaring untuk mendapatkan data yang dibutuhkan saja. Informasi log yang
(31)
diabaikan dalam penyaringan ini antar lain, request terhadap file multimedia (gambar, icon, animasi, suara dan video ), client-side script file, dan casacading style sheet file. Informasi tersebut diabaikan karena merupakan bagian dari suatu request terhadap sebuah halaman web.(Purnomo, Sigit.2006)
Berikut adalah data log akses sebelum dilakukan tahap penyaringan:
67.195.115.105 - - [14/Nov/2010:19:01:24 +0700] "GET /keranjang_belanja.php?&masuk=BFE0358 HTTP/1.0" 200 3917 "-" "Mozilla/5.0 (compatible; Yahoo! Slurp;
http://help.yahoo.com/help/us/ysearch/slurp)"
114.121.225.69 - - [14/Nov/2010:19:01:27 +0700] "POST /result.php HTTP/1.1" 200 4146 "http://www.palasarionline.com/result.php" "Mozilla/5.0 (Windows; U; Windows NT 5.1; id; rv:1.9.2.12) Gecko/20101026 Firefox/3.6.12 (.NET CLR 3.5.30729)"
202.152.170.244 - - [14/Nov/2010:19:10:40 +0700] "GET /images/par3.gif HTTP/1.1" 200 1047 "http://www.palasarionline.com/result.php" "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.0.19) Gecko/2010031422 Firefox/3.0.19"
202.152.170.244 - - [14/Nov/2010:19:10:41 +0700] "GET /images/par1.gif HTTP/1.1" 200 824 "http://www.palasarionline.com/result.php" "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.0.19) Gecko/2010031422 Firefox/3.0.19"
(32)
Berikut adalah data log akses setelah dilakukan tahap penyaringan :
Tabel 4.1 Data Log Akses www.palasarionline.com Setelah Disaring
No Remotehost Date Request
1 125.163.96.162 2010-11-14 19:00:51 result 2 125.163.96.162 2010-11-14 19:01:13 result
3 67.195.115.105 2010-11-14 19:01:24 keranjang_belanja 4 114.121.225.69 2010-11-14 19:01:27 result
5 67.195.115.105 2010-11-14 19:01:32 keranjang_belanja 6 125.163.96.162 2010-11-14 19:01:36 bantuan
7 67.195.115.105 2010-11-14 19:01:37 detail 8 114.121.225.69 2010-11-14 19:01:37 result 9 66.249.71.85 2010-11-14 19:01:40 detail 10 67.195.115.105 2010-11-14 19:01:49 detail 11 180.214.232.16 2010-11-14 19:01:51 index 12 114.121.225.69 2010-11-14 19:01:52 result
13 66.249.71.85 2010-11-1419:02:02 keranjang_belanja 14 67.195.115.105 2010-11-1419:02:23 detail
15 66.249.71.85 2010-11-1419:02:29 keranjang_belanja 16 67.195.115.105 2010-11-1419:02:53 keranjang_belanja 17 66.249.71.85 2010-11-1419:03:00 detail
18 66.249.71.85 2010-11-1419:02:02 keranjang_belanja 19 67.195.115.105 2010-11-1419:02:23 detail
(33)
20 66.249.71.85 2010-11-1419:02:29 keranjang_belanja 21 67.195.115.105 2010-11-1419:02:53 keranjang_belanja 22 66.249.71.85 2010-11-1419:03:00 detail
23 66.249.71.85 2010-11-1419:02:02 keranjang_belanja 24 67.195.115.105 2010-11-1419:02:23 detail
25 66.249.71.85 2010-11-1419:02:29 keranjang_belanja
.. ……… ……….. ………
.. ……… ……….. ………
5525 110.139.99.95 2010-11-21 12:44:09 detail
Proses penyaringan dan penggabungan data log akses menghasilkan fungsi-fungsi (request) yang diakses oleh pengguna, tabel 4.2 menunjukan fungsi-fungsi-fungsi-fungsi yang terdapat pada situs www.palsarionline.com fungsi-fungsi berikut bisa bertambah bila pada penggabungan data log akses berikutnya terdapat fungsi baru yang diakses pengguna :
(34)
Tabel 4.2 Fungsi
NO Fungsi Singkatan
1 Entry EY
2 Exit ET
3 Search SH
4 Keranjang Belanja KA
5 Bantuan BN
6 Detail DL
7 Index IX
8 Daftar Buku DU
9 Katalog Buku KU
10 Kontak Palasari KI 11 Ebook Buku Gratis ES
12 Biaya Pos BS
13 Biaya Tiki BI
14 Daftar Buku Best Seller DR
15 Pesan Buku PU
16 Konfirmasi Pembayaran KN
17 Buku Baru BU
18 Profil Palasari PI 19 Daftar Buku Diskon DN 20 Daftar Buku Paket DT
(35)
4.2.9 Identifikasi Session
Dalam tahap ini ada tiga langkah utama yang harus dilakukan. Pertama adalah mengurutkan data log berdasarkan waktu request. Selanjutnya mengelompokan urutan request dalam ip address yang sama dan dalam suatu rentang waktu tertentu (session). Terakhir adalah mengakumulasi setiap transisi dari suatu file request ke file request berukutnya dalam setiap session.
Data log akses situs www.palasarionline.com telah terurut berdasarkan waktu request. Maka langkah selanjutnya yang harus dipenuhi adalah mengelompokan urutan request-request dalam ip address yang sama dan dalam suatu rentang waktu tertentu (session). Berdasarkan hasil statistik dari aplikasi awstat yang terdapat pada control panel server dimana situs www.palasarionline.com dihostingkan menunjukan rata-rata durasi kunjungan adalah selama 457 detik. Maka rentang waktu untuk membatasi suatu session adalah selama 457 detik atau sekitar 7,61 menit.
Setiap kelompok sesi ditambahkan fungsi “entry” pada awal request dan fungsi “exit” pada akhir request untuk menunjukan fungsi mana yang diakses pada awal kunjungan (session) dan fungsi mana yang diakses sebelum mengakhiri kunjungan (session).
Berikut adalah hasil pengelompokan urutan request pada masing-masing kunjungan (session) :
(36)
Gambar 4.6 Urutan Request Setiap Session entry
result result bantuan result detail result
entry
keranjang_belanja bantuan
ebook_buku_gratis cari_ebook_gratis bantuan
result
Session 1
Session 2
………. ………
……… ……….
entry detail detail
(37)
Berdasarkan hasil pengelompokan urutan request pada setiap session diketahui jumlah kunjungan (session) yang didefinisikan dari log akses yang diproses. Langkah terakhir yang harus dipenuhi dalam tahap identifikasi session adalah mengakumulasi jumlah setiap transisi dari suatu fungsi (file request) ke fungsi (file request) lain.
Berikut adalah contoh hasil akumulasi salah satu transisi fungsi yakni fungsi “detail” ke fungsi lainnya :
(38)
Tabel 4.3 Hasil Akumulasi Fungsi “Detail” ke Fungsi Lain
Refer Request Jumlah Transisi
detail bantuan 12
detail daftar-buku 495
detail buku-baru 3
detail daftar-buku-best-seller 10
detail detail 3048
detail ebook_buku_gratis 6
detail exit 883
detail index 13
detail katalog-buku 198
detail keranjang_belanja 2128
detail kontak-palasari 29
detail pesan-buku 9
detail profil-palasari 7
detail search 192
(39)
4.2.10 Perhitungan Probabilitas Transisi
Berdasarkan hasil akumulasi setiap transisi dari suatu titik navigasi ke titik navigasi lain, di hitung probabilitas transisi tersebut dengan rumus :
, , /∑ , untuk k=1, ..., n (4.1)
Ci,j adalah dari titik navigasi ‘i’ ke titik navigasi ‘j’ dalam data, dan ‘n’ adalah jumlah titik navigasi. Seperti contoh perhitungan transisi dari fungsi “detail” ke fungsi “daftar-buku” sebagai berikut:
dari fungsi “detail” ke fungsi “daftar-buku” = 495
dari fungsi “detail” ke fungsi lainnya = 7033
Maka probabilitas transisi dari fungsi “detail” ke fungsi “daftar-buku ” adalah 0,0704 yaitu merupakan hasil bagi dari fungsi “detai” ke fungsi “daftar-buku” (495) dengan dari fungsi “detail” ke fungsi lainnya (7033).
Setelah mendapatkan nilai probabilitas dari setiap transisi, nilai-nilai tersebut dimasukan kedalam sebuah matriks probabilitas transisi antar titik navigasi.
(40)
40
AN 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 SH 0,0000 0,0000 0,5953 0,0334 0,0033 0,0755 0,0019 0,0439 0,0153 0,0091 0,0021 0,0010 0,0000 0,0007 0,0177 0,0007 0,0000 0,0043 0,0000 0,0000 0,1958 KA 0,0000 0,0000 0,0039 0,3576 0,0046 0,3872 0,0167 0,1089 0,0163 0,0032 0,0019 0,0000 0,0000 0,0006 0,0008 0,0008 0,0025 0,0008 0,0000 0,0000 0,0889 BN 0,0000 0,0000 0,1300 0,0200 0,0850 0,0150 0,0400 0,0600 0,0200 0,0150 0,0650 0,0200 0,0400 0,0000 0,0150 0,0400 0,0000 0,0450 0,0000 0,0000 0,3900 DL 0,0000 0,0000 0,0273 0,3026 0,0017 0,4334 0,0018 0,0704 0,0282 0,0041 0,0009 0,0000 0,0000 0,0014 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 IX 0,0000 0,0000 0,3027 0,0306 0,0136 0,0714 0,1361 0,0476 0,0272 0,0408 0,0442 0,0000 0,0000 0,0102 0,0000 0,0000 0,0102 0,0238 0,0000 0,0102 0,2313 DU 0,0000 0,0000 0,0573 0,1347 0,0022 0,1239 0,0029 0,5020 0,0091 0,0029 0,0017 0,0000 0,0000 0,0057 0,0010 0,0017 0,0020 0,0007 0,0000 0,0000 0,1522 KU 0,0000 0,0000 0,0892 0,0601 0,0049 0,1044 0,0123 0,0094 0,3567 0,0123 0,0020 0,0000 0,0000 0,0015 0,0000 0,0000 0,0000 0,0133 0,0000 0,0015 0,3325 KI 0,0000 0,0000 0,0688 0,0121 0,0729 0,0607 0,0891 0,0810 0,1012 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0283 0,0000 0,0000 0,2510 ES 0,0000 0,0000 0,0211 0,0000 0,0704 0,0000 0,0000 0,0704 0,0211 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0211 0,0000 0,0282 0,0000 0,0000 0,3099 BS 0,0000 0,0000 0,0000 0,3636 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,3636 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,2727 BI 0,0000 0,0000 0,3333 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,3333 0,0000 0,0000 0,0000 0,0000 0,3333 DR 0,0000 0,0000 0,0120 0,0120 0,0000 0,0760 0,0280 0,1520 0,0000 0,0000 0,0000 0,0000 0,0000 0,3800 0,0000 0,0000 0,0000 0,0000 0,0000 0,0120 0,3280 PU 0,0000 0,0000 0,3804 0,0429 0,0254 0,0859 0,0000 0,0000 0,0000 0,0184 0,0000 0,0000 0,0000 0,0000 0,3313 0,0000 0,0000 0,0000 0,0000 0,0000 0,1166 KN 0,0000 0,0000 0,0635 0,0000 0,1111 0,0000 0,0476 0,1111 0,0000 0,0476 0,0000 0,0000 0,0000 0,0000 0,0000 0,1429 0,0000 0,0000 0,0000 0,0000 0,4762 BU 0,0000 0,0000 0,0886 0,1519 0,0000 0,1646 0,0000 0,1013 0,0380 0,0000 0,0000 0,0000 0,0000 0,0380 0,0000 0,0000 0,0380 0,0000 0,0000 0,0000 0,3797 PI 0,0000 0,0000 0,2124 0,0000 0,0354 0,0000 0,1416 0,0265 0,2478 0,0619 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1150 0,0000 0,0000 0,1593 DN 0,0000 0,0000 0,0000 0,3000 0,4000 0,0000 0,0000 0,0000 0,3000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 DT 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,2500 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1875 0,0000 0,5626 ET 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0 , 0 0 0 0
(41)
4.2.11 Perhitungan Visit Ratio Setiap Fungsi
Visit Ratio merupakan jumlah rata-rata akses setiap fungsi dari jumlah kunjungan. Seperti contoh Visit Ratio untuk fungsi “entry” adalah 1,000 karena fungsi “entry” diakses hanya sekali dari setiap kunjungan (session).
Berikut adalah hasil dari perhitungan Visit Ratio dari setiap fungsi berdasarkan data log akses yang diolah :
Tabel 4.5 Visit Ratio Tiap-tiap Fungsi Fungsi (titik navigasi) Visit
Ratio
Entry 1,0000
Search 1,0697
Bantuan 0,0511
Detail 1,7964
Keranjang_belanja 1,3443
Index 0,0751
Ebook_buku_gratis 0,0363
Biaya_pos 0,0028
Biaya_tiki 0,0031
Daftar_buku 1,0391
(42)
Katalog-buku 0,5185
Buku-baru 0,0202
Daftar-buku-best-seller 0,0639
Kontak-palasari 0,0631
Konfirmasi-pembayaran 0,0161
Profil-palasari 0,0289
Daftar-buku-diskon 0,0026 Daftar-buku-paket 0,0041
admin 0,0008
Dari hasil perhitungan visit rasio kita dapat mengetahui beberapa informasi yang bermanfaat bagi pengguna (admin situs e-commerce). Informasi tersebut adalah berapa pengunjung yang akhirnya membeli dari situs e-commerce dan berapa persentase dari pengunjung yang meninggalkan situs setelah dia minimal menambahkan satu item barang ke keranjang belanjanya.
Berdasarkan hasil identifikasi session, terdapat 3915 kunjungan yang terdefinisi, berarti berdasarkan hasil pengolahan log akses menujukan dari 3915 kunjungan hanya 63 kunjungan yang berakhir membeli dari situs tersebut. Hal ini diperoleh dari nilai visit rasio dari fungsi “konfirmasi-pembayaran” yakni 0,0161 atau 1,61% dari total kunjungan sedangkan 134,43% atau sekitar 5262 kali pengunjung menambahkan minimal 1 item barang dari total 3915 kunjungan. Informasi tersebut dapat menjadi bahan pertimbangan bagi administrator situs
(43)
e-commerce untuk memikirkan penyebab mengapa pengunjung meninggalkan situs tanpa membeli apapun setelah mereka menambahkan minimal 1 item barang ke keranjang belanja mereka.
Hal ini bisa terjadi karena performa situs yang kurang baik (respon time yang sangat tinggi dikarenakan distribusi beban yang tidak efektif) yang menyebabkan pengunjung jadi frustasi terhadap situs tersebut dan beralih ke situs e-commerce yang lain yang sejenis. Berdasarkan hasil survey “GVU’s WWW User Surveys” menunjukan sekitar 19% pengguna mengalami penglaman yang buruk terhadap situs e-commerce yang memiliki performa yang buruk. Penyebab lain juga bisa terjadi karena prosedur atau tata cara pembayaran yang tidak nyaman bagi pengunjung.
4.2.12 Pemodelan Tingkah Laku Pengunjung Dalam Bentuk CBMG Dari hasil perhitungan probabilitas transisi, data kemudian direpresentasikan ke dalam sebuah model graf jenis graf berarah dan berbobot dengan setiap titik-titik navigasi (fungsi) menjadi simpul graf dan nilai probabilitas dari suatu titik-titik navigasi ke titik navigasi lain menjadi arah dan bobot graf. Dalam hasil penelitan ini model tingkah laku dipisah masing-masing fungsi untuk kemudahan dalam mebaca pola. Bentuk simpul dalam penelitian ini menggunakan bentuk bulat disesuaikan dengan bentuk umum graf berbobot dan berarah. Seperti pada contoh hasil representasi matriks dari dari salah satu fungsi yakni detail” menjadi sebuah
(44)
graf berbobot dan berarah (CBMG) dapat dilihat dalam gambar berikut, untuk fungsi yang lainnya terdapa pada lampiran :
Gambar 4.7 Probabilitas Transisi dari Fungsi “detail”
Dari gambar graf tersebut dapat diperoleh informasi bahwa pengunjung memiliki 43,34% kemungkinan untuk melihat detail buku lain dengan mengakses fungsi “detail”. Informasi ini diindikasikan oleh transisi dari fungsi “detail”
(45)
keembali fungsi “detail”. Dari fungsi “detail”, pengunjung memiliki 30,26% kemungkinan unutuk menuju fungsi “keranjang belanja”, kemudian seterusnya dan akhirnya pengunjung memiliki kemungkinan 12,56% untuk meningalkan situs setelah mengakses fungsi “detail. Setiap fungsi memiliki nilai kemungkinan transisi menuju fungsi lain, hal ini dapat digunakan untuk memprediksi langkah selanjutnya dari pengguna setelah mengkases suatu fungsi, perediksi tersebut bermanfaat sebagai bahan acuan apabila situs ini akan diperbaharuai baik dari sisi layout content atau design. Seperti contoh, berdasarkan dari Gambar 4.7 kita dapat melihat kemungkinan terbesar pengguna setelah mengaskses fungsi detail adalah kembali mengakses fungsi detail untuk melihat lebih rinci informasi dari buku lainnya, hal ini dapat menjadi pendukung kebijakan untuk pengembang situs agar meletakan link-link fungsi detail secara berdekatan dari design atau layout content yang baru.
4.2.13 Kesimpulan Hasil Pemodelan
Berdasarkan hasil dari perhitungan visit ratio dari masing-masing fungsi ada empat fungsi yang memiliki nilai rasio kunjungan lebih dari atau sama dengan satu yakni fungsi entry, search, detail, kerangjang_belanja, daftar buku. Fungsi-fungsi tersebut digunakan sebagai bahan pertimbangan untuk perencanaan distribusi beban pada masing-masing fungsi yang optimal dan perencanaan tata letak layar yang baik karena fungsi-fungsi tersebut di akses minimal satu kali dari setiap kunjungan nilai ini diambil pada update data log terakhir yakni pada tanggal 20 November 2010 pada jam 23:58:23.
(46)
Adapun contoh dari perencanaan distribusi bebeban dan tata letak layar berdasarkan pemodelan tingkah laku pengunjung dapat dilihat dari tabel berikut.
Tabel 4.6 Kesimpulan Hasil Pemodelan
Fungsi Visit
Ratio
Fungsi transisi tertinggi
Nilai transisi
Saran perencanaan tata letak layar atau distribusi beban
Entry 1,00 Katalog Buku 21,6%
Di halaman awal/homepage di sertakan link-link pilihan dari katalog buku-buku dengan komposisi yang besar.
Search 1,06 Search 59,5%
Pada fungsi search disertakan pilihan-pilihan pencarian yang memudahkan pengunjung dalam mencari buku yang dimaksud
Detail 1,89 Detail 43,3%
Pada halaman detail buku, disertakan juga link-link buku lain yang sejenis atau buk-buku baru dengan gambar atau komposisi yang besar
Keranjang_belanja 1,34 Detail 38,7%
Pada halaman keranjang belanja, disertakan juga link-link buku lain yang sejenis atau buk-buku baru dengan gambar atau komposisi yang besar dan juga disertakan proses pembayaran yang mudah dibaca dan dipahami agar pengunjung jadi membeli dari situs tersebut
Daftar-buku 1,03 Daftar_buku 50,2%
Pada halaman daftar buku, disertakan kategori pilhan yang lebih lengkap dan jelas untuk memudahkan pengunjung.
(47)
4.2.14 Implementasi Modul Program
Tabel 4.7 Implementasi Modul Program
No Nama Antar Muka Hasil Implementasi Keterangan 1 Menu utama
APELS/Unggah File Log Akses
index.php Halaman depan APELS dan halaman untuk mengunggah data log akses
2 Probabilitas Transisi probabilitas.php Halaman unutuk menampilkan hasil perhitungan
probabilitas transisi dalam bentk matriks 3 Visit Ratio visit_ratio.php Halaman unutuk
menampilkan hasil perhitungan visit ratio setiap fungsi
4 CBMG cbmg.php Halaman unutuk
menampilkan hasil pemodelan tingkah laku pengunjung dalam bentuk CBMG
4.2.15 Implementasi Antarmuka Pengguna
Setelah menerapkan metode CBMG pada aplikasi pengolah log akses server, teknik tersebut diimplementasikan ke dalam sebuah perangkat lunak yang diberi nama APELS (Aplikasi Pengolah Log Server). Berikut ini adalah beberapa antarmuka dari APELS
1. Menu Utama
Modul menu utama merupakan halaman awal APELS, terdapat form untuk menunggah file log akses yang akan diolah, di dalam modul ini juga terdapat
(48)
menu untuk melihat probabilitas transisi antar fungsi, visit ratio, graf CBMG dari hasil log yang telah diolah.
Gambar 4.8 Antarmuka Menu Utama 2. Probabilitas Transisi
Modul Probabilitas Transisi merupakan fitur untuk menampilkan hasil dari perhitungan probabilitas setiap transisi dari satu fungsi ke fungsi lainnya
(49)
Gambar 4.9 Antarmuka Probabilitas Transisi
3. Visit Ratio
Modul Visit Ratio merupakan fitur untuk menampilkan hasil dari perhitungan rasio kunjungan setiap fungsi.
(50)
4. CBMG
Modul CBMG merupakan fitur untuk menampilkan hasil pemodelan tingkah laku pengunjung yang di represtasikan dalam bentuk graf.
(51)
4.3 Pengujian
Pengujian sistem dilakukan sesuai dengan fungsionalitas pengguna. Format dan hasil pengujian sistem adalah sebagai berikut:
Tabel 4.8 Hasil Pengujian Fungsionlitas Sistem No. Deskripsi
Pengujian
Skenario Pengujian
Hasil yang
Diharapkan Hasil Nyata
Hasil Pengujian 1 Pengujian
terhadap fungsi unggah files
Mengisi path file akses dengan format yang salah (selain format txt) APELS akan memberikan peringatan bahwa format file yang di unggah salah.
APELS akan memberikan peringatan bahwa format file yang di unggah salah.
OK
Mengisi path file akses dengan format yang benar (format txt)
File log akses berhasil di unggah
File log akses berhasil di unggah
OK
2 Pengujian terhadap fungsi perhitungan probabilitas transisi
File log akses telah di unggah
APELS akan menampilkan nilai probabilitas transisi antar fungsi dalam bentuk tabel APELS akan menampilkan nilai probabilitas transisi antar fungsi dalam bentuk tabel OK
File log akses belum pernah di unggah APLES tidak menampilkan probabilitas transisi dalam tabel dan menampilkan pesan kesalahan. APELS akan menampilkan nilai probabilitas transisi antar fungsi dalam bentuk tabel OK
3 Pengujian terhadap fungsi perhitungan
File log akses telah di unggah
APELS akan menampilkan nilai rasio kunjungan APELS akan menampilkan nilai rasio kunjungan OK
(52)
visit ratio masing-masign fungsi masing-masing fungsi dalam bentuk tabel masing-masing fungsi dalam bentuk tabel
File log akses belum pernah di unggah APELS tidak akan menampilkan nilai rasio kunjungan masing-masing fungsi dalam bentuk tabel dan menampilakan pesan kesalahan APELS tidak akan menampilkan nilai rasio kunjungan masing-masing fungsi dalam bentuk tabel dan menampilakan pesan kesalahan OK
4 Pengujian terhadap fungsi pemodelan tingkah laku pengunjung dalam bentuk CBMG
File log akses telah di unggah
APELS akan menampilkan graf yang merepresentasi kan tingkah laku pengunjung dalam bentuk CBMG APELS akan menampilkan graf yang merepresentas ikan tingkah laku pengunjung dalam bentuk CBMG OK
File log akses belum pernah di unggah APELS akan menampilkan graf yang merepresentasi kan tingkah laku pengunjung dalam bentuk CBMG dan menampilkan pesan kesalahan APELS akan menampilkan graf yang merepresentas ikan tingkah laku pengunjung dalam bentuk CBMG dan menampilkan pesan kesalahan OK
(53)
53 BAB V PENUTUP
5.1 Kesimpulan
Di akhir skripsi ini, berdasarkan rumusan masalah dan tujuan penelitian, penulis mengambil kesimpulan bahwa,
1. Penelitian ini telah berhasil menghasilkan aplikasi untuk mengolah log akses web server.
2. Berdasarkan hasil pengolahan log akses web server dari situs ww.palsarionline.com, menghasilkan pola tingkah laku pengunjung yang dimodelkan dalam bentuk Customer Behavior Model Graph (CBMG), Visit Ratio, dan jumlah session (kunjungan).
3. Model CBMG yang dihasilkan seperti pada gambar 4.6 mengandung informasi mengenai prediksi langkah selanjutnya dari pengguna setelah mengakses suatu fungsi. Prediksi tersebut bermanfaat sebagai bahan pertimbangan apabila situs ini akan diperbaharui baik dari sisi layout content atau design. Hal ini dapat menjadi pendukung kebijakan untuk pengembang situs agar meletakan link-link dari fungsi-fungsi yang memiliki nilai probabilitas transisi yang paling besar diletakan secara berdekatan pada design atau layout content yang baru.
(54)
53 5.2 Saran
Saran dari penyusun terhadap pengembangan penilitian ini adalah sebagai berikut :
1. Mengembangkan aplikasi pengolah log akses web server menjadi system pengambil keputusan yang bisa menunjang keputusan pengguna (administrator situs) untuk menembangankan situs.
2. Aplikasi pengolah log akses web server ini dikembangkan lebih lanjut dengan menambahkan fitur-fitur lain sebagai bahan pertimbangan bagi pengguna untuk meningkatkan performa situs.
3. Untuk kedepannya, CBMG dapat dikembangkan menjadi metode untuk memecahkan masalah yang lebih kompleks.
Saran dari penyusun kepada administrator situs www.palasarionline.com adalah sebagai berikut :
1. Berdasarkan hasil penilitian ini, diharapkan yang sudah ada dikembangkan baik dari segi tata letak layar dan distribusi beban terhadap fungsi-fungsi yang sudah ada.
2. Pada halaman detail ditambahkan fitur rekomendasi buku berdasarkan buku yang dilihat detailnya oleh pengguna.
(55)
55
DAFTAR PUSTAKA
Kusumah, S.Yaya. 1988. “Matematiak Disktrit”. Penerbit IKIP Bandung Press. Menasce, V.A.F. Almeida. 2000. Scaling for E-Business: Technology,Models,
Performance, and Capacity Planning. Penerbit Prentice Hall Inc.New
Jersey,USA.”.
Program Magister Teknologi Informasi – UI. Perencanaan Kapasitas Infrastruktur
e-Bisnis.
Purnomo, Y.Sigit. Pemodelan Tingkah Laku Pengunjung Situs Web Berdasarkan
Data Log Web Server.
R. Harol, Elliotte. 1997. Java Network Programming. O’Reilly andAssociates Inc.
USA.
Sidik, Betha. 2006. Pemrograman Web Dengan PHP. Penerbit Informatika. Bandung,Indonesia
Setiawan, Deris. 2002. E-Commerce Implementasi, Infrastruktur, Electronic Payment
System, Security.
http://eceb.gmu.edu/projects.htm [Online]. Diakses tanggal 4 Februari 2010. http://php.net/docs.php [Online]. Diakses tanggal 1 November 2010.
http://ecturer.ukdw.ac.id/othie/softwareprocess.pdf [Online]. Diakses tanggal 5 Februari 2010.
(56)
57
(57)
(58)
(59)
(60)
(61)
(62)
(63)
(64)
(65)
CBMG Fungsi Kontak Palasari
(66)
CBMG Fungsi Biaya Pos
(67)
CBMG Fungsi Daftar Buku Best Seller
(68)
(69)
CBMG Fungsi Buku Baru
CBMG Fungsi Profil Palasari
(70)
CBMG Fungsi Daftar Buku Paket
(1)
66
CBMG Fungsi Kontak Palasari
(2)
CBMG Fungsi Biaya Pos
(3)
68
CBMG Fungsi Daftar Buku Best Seller
(4)
(5)
77
CBMG Fungsi Buku Baru
CBMG Fungsi Profil Palasari
(6)
CBMG Fungsi Daftar Buku Paket