Diterima Pola Navigasi Web UntukPeningkatan Performansi Dan Utilitas Hyperlink Menggunakan Web UsageMining

  

PERBAIKAN POLA NAVIGASI WEB UNTUK PENINGKATAN PERFORMANSI

DAN UTILITAS HYPERLINK MENGGUNAKAN WEB USAGE MINING

Irene A. Lazarusli

  Jurusan Teknik Informatika Fakultas Ilmu Komputer Universitas Pelita Harapan

  

e-mail

Abstrak

  

Kualitas suatu web site dapat tercermin dalam penggunaan hyperlink di dalamnya. Penelitian ini

difokuskan pada bagaimana solusi data mining untuk web dapat digunakan khususnya untuk

mengevaluasi penggunaan hyperlink. Karena hyperlinks mencerminkan relasi antar halaman web,

maka diharapkan tersedia cara yang dapat digunakan untuk mengukur apakah pegunjung mengikuti

jalur navigasi yang disediakan. Pencarian solusi atas pemasalahan ini dilakukan dengan menggunakan

teknik yang tersedia untuk melihat pola perilaku penggunaan web site secara umum ataupun pola

perilaku pengunjung yang berasal dari kelompok tertentu. Tujuannya adalah untuk menyesuaikan

struktur navigasional web site dengan kebutuhan pengunjung atau kelompok pengunjung tertentu.

Hasil dari penelitian ini menunjukkan bahwa web mining dapat mendukung pengambilan keputusan

untuk perubahan terhadap struktur navigasional web site. Perubahan tersebut dimaksudkan untuk

penyempurnaan atau peningkatan kualitas suatu web site, berdasarkan informasi yang teridentifikasi

mengenai pemanfaatan web site tersebut yang tercatat dalam web log files. Data yang terdapat dalam

web log files terbukti dapat digunakan secara efektif sebagai parameter pengukuran dalam penggalian

informasi yang bermanfaat bagi penyempurnaan suatu web site. Perubahan struktur web yang

diusulkan juga telah diuji efektifitasnya melalui proses validasi hyperlink. Usulan perbaikan tersebut

dapat berupa penghapusan, penambahan atau pengubahan.

  Kata kunci: association rules, data mining, hyperlinks utility Pendahuluan

  Internet dan World Wide Web (WWW) telah berkembang selama bertahun-tahun sehingga mencapai ukuran yang sangat besar dan menjadi media yang handal dan menarik bagi para peneliti dan pelaku bisnis. Karena itu internet pada umumnya dan web site pada khususnya diharapkan mampu menyediakan kemampuan yang memadai untuk memenuhi harapan baik pengguna / pengunjung / pelanggan maupun pemilik bisnis. Dalam penelitian (Spiliopoulou, 2000) disimpulkan bahwa layanan akses web yang dipersonalisasi merupakan harapan dari sebagian besar pengunjung web yang merasa kebingungan dengan adanya beragam informasi yang tersedia di web. Dengan tersedianya banyak pilihan web site sejenis yang dapat dikunjungi, maka pengunjung bisa saja meninggalkan atau enggan mengunjungi kembali web site tertentu jika web site tersebut dirasakan berat untuk diakses atau sulit untuk dinavigasi. Dalam menghadapi hal ini, desainer web

  site dituntut untuk memenuhi permintaan pengunjung yang berkaitan dengan navigasi.

  Di samping kebutuhan bisnis yang berkualitas tinggi, pengukuran yang berkelanjutan terhadap kualitas web site juga diperlukan, karena meskipun desainer telah mengikuti standar tata letak yang berkualitas tinggi, namun mereka tetap tidak dapat memprediksi kesenjangan antara ekspektasi mereka dengan realisasi penggunaan web site yang dirancang (Boeri, 2004). Karena itu diperlukan suatu alat pendukung terhadap keputusan perbaikan / pengembangan suatu web site. Penggunaan teknik evaluasi yang sesuai dapat meningkatkan kualitas web site yang ada, dengan memanfaatkan hasil dari evaluasi tersebut untuk perancangan lebih lanjut.

  Gambaran permasalahan yang ditimbulkan akibat tidak efektifnya hyperlink dalam suatu

  web site; yang akan dibahas dalam penelitian ini adalah: 1.

  Bagaimana penyempurnaan atau peningkatan kualitas suatu web site dapat dilakukan oleh para desainer dan software engineer, berdasarkan informasi yang ada mengenai pemanfaatan web site tersebut.

2. Bagaimana mengetahui pemanfaatan hyperlink dengan menggunakan data yang tersedia? 3.

  Berdasarkan pemanfaatan hyperlink yang ada, perbaikan apa yang perlu dilakukan terhadap struktur web site, supaya dapat meningkatkan kualitasnya? Berdasarkan latar belakang di atas, maka diperoleh gagasan bahwa, dengan menganalisa hasil data mining yang dilakukan terhadap web log usage traffic dari web site, maka asosiasi antar halaman (pages) dalam web site dapat diidentifikasi. Asosiasi ini dapat mencerminkan bagaimana utilitas dari suatu hyperlink. Asosiasi antara dua halaman mencerminkan utilitas dari hyperlink yang menghubungkan kedua halaman tersebut. Berdasarkan kekuatan asosiasi, dapat diperoleh daftar perubahan desain struktur hyperlink yang perlu dilakukan, baik itu penambahan, penghapusan atau modifikasi.

  Untuk memecahkan permasalahan di atas, maka penelitian ini bertujuan untuk menerapkan teknik data mining dalam mendukung peningkatan atau perbaikan terhadap web site. Dalam terhadap basis data yang terdapat dalam web log files. Permasalahan yang dibahas dibatasi pada metode web mining pada file web log yang diperoleh dari suatu web server sebagai studi kasus.

  Tinjauan Pustaka

  Multimedia data mining meliputi beberapa kategori yaitu text mining, image mining, video

  

mining dan web mining (Liu,2007). Berkaitan dengan web mining, ada beberapa aturan asosiasi

  yang dapat digali dari dalam web data. Aturan-aturan asosiasi tersebut melibatkan objek-objek multimedia yang dapat digali dalam basis data yang diperoleh dari log file yang tersimpan dalam

  

web server (Dunckley, 2003). Untuk menggali asosiasi antar objek multimedia dalam web, dapat

  dilakukan dengan cara memperlakukan setiap kunjungan ke alamat web tertentu sebagai sebuah transaksi, kemudian menemukan pola-pola kunjungan yang paling sering terjadi di antara transaksi yang berbeda.

  Salah satu indikasi kompleksitas suatu web site adalah struktur hyperlink yang terdapat di dalam web site tersebut. Dengan beragamnya ukuran dan struktur dari web site yang ada saat ini, maka proses validasi terhadap hyperlink di dalamnya menjadi suatu hal yang cukup sulit dilakukan. Oleh karena navigasi di dalam suatu web site sebagian besar dilakukan dengan menggunakan

  

hyperlink , maka kualitas suatu web site dapat tercermin dalam penggunaan hyperlink di dalamnya

  (Noruzi, 2005). Penelitian ini difokuskan pada pencarian solusi menggunakan metode data mining untuk mengevaluasi performansi hyperlink pada sebuah web.

  Aspek lain dari penggunaan data mining adalah bagaimana menggunakan data navigasional untuk mengekstraksi pola-pola navigasional (Chui, 2005). Pola-pola navigasional dapat pula digunakan untuk berbagai keperluan, antara lain melihat pola perilaku pengunjung web

  

site secara umum ataupun perilaku pengunjung yang berasal dari kelompok tertentu. Tujuannya

  adalah untuk menyesuaikan struktur web site dengan kebutuhan pengunjung atau kelompok pengunjung tertentu (Chen, 2009).

  Kualitas suatu web site juga tergantung pada kualitas dari struktur navigasinya. Navigasi di dalam menelusuri web site menjadi mungkin dilakukan dengan adanya hyperlinks. Hyperlink menghubungkan antar halaman-halaman web. Keberadaan dan fungsionalitas hyperlink adalah suatu hal yang penting bagi tercapainya tujuan web sites tersebut dan bagi berjalannya proses bisnis dalam web site tersebut. Fungsionalitas dari hyperlink dapat diketahui berdasarkan seberapa hyperlink tersebut membantu navigasi pengunjung web site.

  Karena trend navigasi dapat diukur, maka dari hasil pengukuran tersebut dapat diperoleh umpan balik mengenai kesan pengunjung terhadap web site tersebut. Umpan balik tersebut dapat digunakan sebagai dasar pertimbangan untuk melakukan perbaikan / pengembangan web site.

  Desainer menempatkan hyperlink di halaman web dengan tujuan membantu pengunjung dalam menjelajahi web site atau mengarahkan user secara langsung kepada sumber

  web site informasi yang diinginkan oleh pengunjung.

  Dengan berbekal pemahaman bahwa hyperlink memberikan informasi mengenai struktur

  

web site serta pemahaman bahwa konektivitas suatu web site; yang direpresentasikan oleh

hyperlinks , tercermin dalam kualitas penggunaan web site tersebut, maka Noruzi

  mengklasifikasikan hyperlink menjadi tiga jenis yaitu (Noruzi, 2005): 1)navigational links, 2)backlinks, 3)links yang mengarah ke email addresses.

  Bagaimana halaman-halaman web terkoneksi seringkali ditentukan oleh jenis halaman web tersebut. Ada dua jenis halaman web, yaitu content page dan index page. Content page adalah suatu halaman dengan tujuan utama untuk menyajikan informasi dalam berbagai bentuk, seperti teks atau gambar. Index page adalah sebuah halaman yang disebut fungsional karena fungsi utamanya adalah menyajikan link ke halaman web yang lain.

  Untuk membedakan suatu halaman web termasuk jenis yang mana, dapat dilihat dari banyaknya hyperlinks yang terdapat pada halaman tersebut dibandingkan dengan banyaknya informasi yang disajikan secara langsung di halaman itu (Chen, 2008). Hyperlinks pada content

  

page akan memiliki frekuensi penggunaan yang lebih rendah, karena halaman tersebut bisa jadi

merupakan tujuan akhir dari pengunjung.

  Dalam merancang sebuah web site, desainer juga perlu mempertimbangkan masalah mungkin sudah jelas bagi seseorang belum tentu jelas bagi orang lain. Sangat sulit untuk memperkirakan reaksi pasti dari seorang pengunjung terhadap suatu halaman web. Oleh karena itu diperlukan evaluasi terhadap kualitas web site. Salah satu cara mengevaluasi kualitas web site adalah dengan melalui pengukuran terhadap hyperlink. Pengukuran ini dilakukan dalam usaha mengetahui keinginan navigasional dari pengunjung web site. Hasil pengukuran ini tentunya akan berpengaruh terhadap munculnya kebutuhan pengubahan struktur web supaya mencapai kualitas yang lebih baik. Dalam pengukuran kualitas hyperlink, analisa perilaku pengunjung diperlukan bagi peningkatan struktur dan pemahaman akan kebutuhan pengunjung.

  Utilitas web site sangat bergantung pada desain grafis yang dipergunakan tetapi juga jalur navigasi yang dipergunakan. Desain grafis dan ukuran-ukuran kualitatif yang lain memang tidak mudah untuk dikendalikan, tetapi perilaku navigasional pengunjung web site dapat diukur secara lebih akurat (Chen, 2009). Untuk mengevaluasi hyperlinks secara tepat, diperlukan pengukuran yang spesifik. Data yang digunakan dalam pengukuran hyperlink ini dapat dibedakan menjadi tiga jenis, yaitu: content, log files, dan struktur web.

  Content dari web site menyajikan informasi yang dapat dijadikan dasar pengukuran, seperti

  banyaknya halaman web yang membangun sebuah web site, banyaknya hyperlinks, dan banyaknya kata. Content dari suatu web site meliputi juga sumber-sumber lain seperti aplikasi web, gambar, dan jenis-jenis file lainnya. Sedangkan struktur web menjelaskan suatu cara bagaimana tiap halaman web terkoneksi. Struktur web site juga memuat beberapa informasi yang mungkin digunakan untuk pengukuran. Log files diperlukan dalam memelihara suatu web site. Untuk mengetahui bagaimana traffic suatu web site, informasi traffic tersebut direkam dalam log files.

  

Log files memuat rekaman seluruh request yang dikirim kepada web site server. Request

  merupakan permintaan akan suatu sumber informasi, kepada web server. Log file juga mencatat

time of the request , sehingga pengukuran terhadap waktu aktivitas web site juga dapat dilakukan.

  Dari antara ketiga jenis parameter pengukuran tersebut, yang dapat digunakan untuk melakukan pengukuran terhadap utilitas hyperlink adalah informasi mengenai banyaknya hyperlink yang ada. Semakin banyak hyperlink terdapat dalam suatu web site atau web page, maka semakin kecil ekspektasi frekuensi penggunaan masing-masing hyperlink tersebut. Pengunjung cenderung akan memilih salah satu hyperlink, lalu mengikuti jalur navigasi selanjutnya dari hyperlink tersebut tanpa kembali lagi ke halaman semula yang menjadi starting point-nya. Semakin banyak hyperlink yang terdapat pada halaman web yang sama, maka semakin sulit bagi pengunjung untuk menemukan hyperlink yang akan mengantar mereka kepada sumber informasi yang dibutuhkan. Informasi yang tercatat dalam sebuah log files bisanya meliputi halaman yang dikunjungi, banyaknya kunjungan, waktu yang dihabiskan untuk mengunjungi halaman tersebut.

  Web mining adalah aplikasi dari teknik-teknik data mining untuk mengekstrak pengetahuan

  dari web data (Srivastava, 2006). Web mining bertujuan menemukan dan mengekstrak informasi yang relevan yang tersembunyi dalam web-related data, khususnya dokumen-dokumen hypertext yang dipublikasikan di dalam web. Seperti data mining, web mining adalah sebuah multi disiplin ilmu yang mengambil teknik dari bidang lain seperti information retrieval, statistik, machine

  

learning , natural language processing, dan lain-lain. Menurut (Srivastava, 2006), web mining

  dapat dibagi dalam tiga kategori berdasarkan jenis data yang diekstraksi, yaitu: 1) Web content mining, 2) Web structure mining, 3)Web Usage Mining.

  Web usage mining adalah analisis interaksi-interaksi pengguna dengan sebuah web server.

Web usage mining bertujuan menemukan pola penggunaan yang menarik dari data sekunder yang

  diambil dari interaksi pengguna ketika sedang menjelajahi web. Web usage mining dibagi menajdi dua pokok bahasan yaitu general access pattern tracking dan customized usage tracking. General

  

access pattern tracking dapat menganalisa pola pengaksesan secara umum dan trend yang sedang

terjadi. Customized usage tracking dapat menganalisa pola pengaksesan oleh setiap pengguna.

  Metodologi Penelitian

  Untuk memecahkan permasalahan di atas, maka penerapan teknik data mining dalam mendukung peningkatan atau perbaikan terhadap web site dilakukan dengan cara: 1)

  Mengidentifikasi informasi mana yang perlu diambil dari web site, untuk dijadikan sebagai parameter pengukuran bagi para desainer dan software engineer (perekayasa piranti lunak) dalam melakukan penyempurnaan terhadap web site tersebut. Menghitung nilai pemanfaatan (utility) dari suatu hyperlink dengan menggunakan data yang tersedia dalam web log files. 3)

  Memberikan usulan perbaikan apa yang perlu dilakukan terhadap struktur web site, supaya dapat meningkatkan kualitasnya, sehingga web site dapat dimanfaatkan secara optimal. 4)

  Penelitian difokuskan pada hyperlink yang terdapat dalam system web site serta masalah utilitas hyperlink tersebut. Hyperlink dibuat dengan tujuan untuk memperlihatkan relasi antar halaman dalam web site yang ditunjuk.

  Hasil dan Pembahasan

Data web yang dianalisa Data yang digunakan untuk keperluan analisa terdiri dari dua jenis data,

  yaitu catatan transaksi penggunaan web site(web log file) dan web site structure. Web log files dan

  

web structure yang digunakan berasal dari web site NASA. Log file yang digunakan adalah

  transaksi selama bulan Juli dan Agustus, yang di-download secara bebas dari situs Sedangkan untuk mempelajari web structure-nya, digunakan web site map NASA yang sesuai dengan kondisi pada saat pengambilan data log file yang digunakan. Site map tersebut diperoleh melalui karena site map yang terdapat di situs web NASA yang terakhir diperbarui, sudah berbeda dari kondisi pada saat log file tersebut dicatat.

  

Hyperlink evaluation Web site yang digunakan untuk penelitian memiliki 5 menu utama dalam site

map -nya. Masing-masing menu memiliki beberapa sub-menu. Jumlah sub-menu seluruhnya adalah

  57. Dengan asumsi bahwa hyperlink yang dianalisa hanya sampai dengan level ke-2, berarti juga jumlah hyperlink yang akan dianalisa utility value-nya adalah sama dengan 57.

  Dalam proses data mining terhadap sample data, setiap hyperlink tersebut dihitung jumlah

case -nya, kemudian diperoleh jumlah seluruh case yang terjadi dalam web log files adalah 1206.

Setiap hyperlink yang teridentifikasi dihitung jumlah case berdasarkan nilai correlation factor-nya. Hasilnya diperoleh pada table 1.

  

Tabel 1. Distribusi case berdasarkan Correlation factor

  Correlation factor Number of cases Correlation > 0 962 Correlation = 0 203 Correlation < 0

  41 Untuk setiap hyperlink, dilakukan perhitungan average time gain yaitu waktu rata-rata yang diperlukan oleh setiap pengunjung untuk mencapai link yang dituju. Untuk setiap halaman sumber (source page), diestimasi nilai time-to-click, yang menyatakan berapa lama waktu yang diperlukan oleh seorang pengunjung web site untuk menemukan hyperlink. Untuk setiap halaman tujuan (target page) dari hyperlink dari halaman yang terdeteksi, dilakukan perhitungan rata-rata

  

time-spend . Dengan mengurangkan nilai time-to-click dari nilai time-spend, dapat diperoleh nilai

time gain . Hasilnya ditampilkan dalam tabel 2. Dari tabel ini dapat diperoleh informasi bahwa

  secara rata-rata waktu yang diperlukan pengunjung untuk mencari hyperlink ternyata lebih lama dibandingkan waktu yang diperlukan untuk membaca informasi di dalamnya.

  

Tabel 2. Nilai average time gain untuk hyperlink dengan nilai maksimum

  Hyperlink value Average time spend Average time-to- Average time gain (detik) click (detik) (detik)

• 7 221.5 52.6 168.9 7 136.8 211.5 -74.7

Setelah itu dilakukan perhitungan terhadap jumlah case untuk masing-masing hyperlink yang diklasifikasikan berdasarkan utility value. Hasilnya terdapat sejumlah 11 kasus dengan

  

Hyperlink Utility Value (HUV) = -7, 30 kasus untuk HUV=30, 203 ksus untuk HUV=0, 446 kasus

  untuk HUV=446, 352 kasus untuk HUV=5, 32 kasus untuk HUV=6, 80 kasus untuk HUV=7, dan masing-masing 0 kasus untuk HUV -6,-5,-3,-2,-1,1,2 dan 3.

  Dalam menggali association rules antara halaman sumber (source pages) dengan halaman melebihi threshold yang telah ditentukan. Statistik mengenai keduabelas aturan tersebut ditampilkan dalam Tabel 3. Dua belas aturan tersebut menjadi dasar untuk mengusulkan penambahan hyperlink baru.

  

Tabel 3. Informasi rules dengan nilai faktor di atas threshold

  Number of suggested links Average lift value Number of Source Pages

  12

  5.74

  4 Informasi lebih rinci mengenai aturan asosiasi positif antara halaman sumber dengan halaman tujuan yang baru, yang berhasil ditemukan, tergambar dalam Tabel 4.

  

Tabel 4. Statistik untuk hyperlink baru yang diusulkan

  Number Lift Support (%) Confidence (%)

  1

  5.48

  0.62

  11.5

  2

  6.65

  1.32

  9.98

  3

  3.82

  0.89

  21.22

  4

  5.92

  1.52

  12.35

  5

  5.46

  0.72

  5.21

  6

  5.22

  0.56

  5.12

  7

  3.42

  2.89

  21.33

  8

  3.86

  0.67

  5.57

  9

  10.25

  0.26

  7.8

  10

  3.9

  0.65

  5.32

  11

  3.86

  0.68

  5.58

  12

  11.01

  0.51

  7.1 Hasil Validasi Untuk melakukan validasi terhadap hasil penelitian ini, perlu dilakukan penyusunan daftar utility value “buatan”. Untuk 57 buah hyperlink yang dianalisa, dipilih sejumlah hyperlink ID secara acak yang memiliki utility value yang nilainya harus ditingkatkan/diubah. Dari 57 buah

  

hyperlink tersebut dipilih 45 buah hyperlink untuk direkayasa nilainya, dan 12 hyperlink sisanya

  dibiarkan dengan nilai utility semula. Nilai maksimum yang diberikan kepada hyperlink adalah tujuh, dan nilai minimumnya minus 7, dan diperoleh nilai rata-rata 1.98. Kasus validasi yang mungkin terjadi dapat dibedakan menjadi dua bagian yaitu: 1.

  Kasus di mana nilai yang ditetapkan adalah sama kondisinya dengan nilai nyata.

2. Kasus di mana nilai ‘buatan’ yang ditetapkan secara acak tidak sama dengan hasil perkiraan.

  Dalam situasi seperti ini, nilai tersebut mungkin overestimated (lebih tinggi daripada nilai nyata) atau underestimated (lebih rendah dari pada nilai nyata).

  Selama proses penggalian association rule, perlu ditetapkan nilai ambang (threshold) untuk faktor-faktor yang berkaitan dengan aturan (rules) yaitu support, confidence dan lift. Berdasarkan level dari nilai ambang tersebut relasi antar item yang diuji (relasi antar halaman web) dapat dinyatakan memenuhi persyaratan aturan atau tidak. Hasil pengamatan yang diperoleh adalah: semakin tinggi level nilai ambang tersebut, maka hasil (berupa aturan asosiasi yang kuat) akan semakin mungkin diperoleh, tetapi ada resiko akan kehilangan aturan asosiasi yang sudah ada sebelumnya. Jika beberapa faktor digunakan untuk mengidentifikasi aturan asosiasi, maka semua faktor tersebut harus dilibatkan di dalam pengukuran strength dari aturan yang dibuat.

  Faktor confidence memiliki resiko jika digunakan sendiri tanpa melibatkan faktor support. Suatu aturan yang mempunyai tingkat confidence yang tinggi tetapi nilai support yang rendah harus diperhatikan secara khusus. Seringnya penggunaan faktor support sebagai satu-satunya pendukung keputusan dalam meneliti pasangan antecedent dan consequent, juga perlu diperhatikan untuk penelitian lebih lanjut. Jebakan lain yang sering ditemui dalam penelitian ini adalah ketika berhadapan dengan aturan asosiasi yang bernilai negatif. Jika asosiasi antar halaman A dan B memiliki nilai negatif, dapat dipahami sebagai rendahnya nilai pemanfaatan (utility) hyperlink antara halaman A dan halaman B. Asosiasi seperti ini akan cenderung menyarankan supaya tersebut dihilangkan dari struktur web site, karena tidak berguna bagi pengunjung.

  hyperlink

  tidak ada lagi hyperlink sama sekali yang menuju ke halaman B dari halaman asal manapun, apabila hyperlink tadi merupakan satu-satunya hyperlink yang terhubung ke halaman B. Masalah ini dapat diatasi dengan cara memastikan adanya koneksi (navigation path) ke setiap halaman web yang dievaluasi mulai dari halaman utama.

  Kesimpulan

  Dari penelitian dan analisa yang dilakukan, dapat diambil beberapa kesimpulan sebagai berikut: 1)

  Penelitian ini telah berhasil menerapkan metode web mining untuk penyempurnaan atau peningkatan kualitas suatu web site, berdasarkan informasi yang teridentifikasi mengenai pemanfaatan web site tersebut yang tercatat dalam web log files. Data yang terdapat dalam web

  log files dapat digunakan secara efektif sebagai parameter pengukuran untuk menggali informasi yang bermanfaat bagi penyempurnaan suatu web site.

  2) Optimalitas pemanfaatan suatu hyperlink dapat diestimasi dengan menghitung nilai pemanfaatan (utility) hyperlink melalui setiap hit yang terjadi. Estimasi ini perlu dilakukan agar struktur navigasi dalam web site dapat dirancang sedemikian rupa sehingga pemanfaatan setiap hyperlink dapat optimal.

  3) Penelitian ini memberikan usulan perbaikan yang perlu dilakukan terhadap struktur web site, supaya dapat meningkatkan kualitasnya, sehingga web site dapat dimanfaatkan secara optimal.

  Usulan perbaikan tersebut dapat berupa penghapusan, penambahan atau pengubahan.

  Daftar pustaka

  Boeri, Robert J., 2004, Does Your Web Site Need Help?, EContent, July/August 2004 Issue, posted Aug 04, 2004, Chen, Jiyang, and Lisheng Sun, Osmar R. Zaıane, Randy Goebel, 2008, Visualizing and

  

Discovering Web Navigational Patterns , Department of Computing Science, University of Alberta

Edmonton, Alberta, Canada.

  Chen, Jiyang, and Tong Zheng, William Thorne, Osmar R. Zaiane and Randy Goebel, 2009, Visual

  

Data Mining of Web Navigational Data” , Department of Computing Science, University of

Alberta, Edmonton, Alberta, Canada.

  Chui, Chun-kit and Chun-hung Li, 2005, Navigational Structure Mining for Usability Analysis, The 2005 IEEE International Conference on e-Technology, e-Commerce and e-Service . Dunckley, Lynne, 2003, Multimedia Databases, an Object Relational Approach, Addison-Wesley, Pearson Education Ltd. Liu, Bing, 2007, Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data, Springer- Verlag, Berlin, Heidelberg. Noruzi, Alireza, 2005, Hyperlinks and Their Roles in Web Information Retrieval, Spiliopoulou, M, 2000, Web Usage Mining for Web site Evaluation, Communications of the ACM, vol. 43, pp. 127-135, 2000, _ITM Srivastava, Jaideep, et.al, 2006 “Web Mining-Concepts, Applications & Research Direction”.