Pada bab ini membahas tentang ujicoba dan evaluasi program yang menerangkan bagaimana jalannya program secara detail dan akan dijelaskan pada sub bab dibawah ini:
5.1 Uji Coba Sistem
Pada bagian ini akan dijelaskan mengenai proses uji coba dari aplikasi yang telah dibuat berdasarkan dari desain sistem yang telah dijelaskan sebelumnya. Uji coba ini dilakukan untuk melihat dari aplikasi yang telah dibuat sesuai dengan yang diharapkan, mulai dari awal proses input (masukan) data yang dilakukan oleh administrator sampai dengan hasil output (keluaran).
5.2 Uji Coba Penginputan Sample Data
Sebelum menguji metode yang dijalankan pada proses ini, maka akan dilakukan pengisian data terlebih dahulu, data yang diisi adalah semua data pada tabel yang diperlukan, ada beberapa data yang harus diisikan yakni:
a. Data aplikasi pada aplikasi penjualan, meliputi pengisian, tabel oulet, operator, supplier, barang, katagori barang, dan sebagainya.
b. Proses uji coba melakukan transaksi pada e-commerce dan proses validasi. c. Proses pengisian virtualisasi data log kunjungan, meliputi peng-generate
data kunjungan secara random.
d. Proses virtualisasi log jumlah page view (jumlah kunjungan) barang. e. Proses virtualisasi proses order penjualan, dimana nantinya akan dibuat
Dalam pengisian data tersebut nantinya digunakan untuk bahan untuk menerapkan metode web usage mining. Untuk lebih detail tentang proses pengisian data, akan dijelaskan pada sub bab berikut:
5.2.1 Pr oses Pengisian Data Aplikasi Penjualan
Ada beberapa tabel yang berkaitan didalam proses penjualan ini,berikut pengisian data tabel:
a. Tabel Outlet
Pada tabel outlet ini akan diisi sekitar 20 Data outlet customer. Berikut hasil dari proses penginputan ke dalam tabel outlet:
Gambar 5.1 Data Tabel Outlet b. Tabel katagori/golongan barang
Pada tabel ini akan diisikan sekitar 10 macam katagori, berikut adalah data dalam tabel golongan barang yang berhasil diinput:
117
c. Tabel Supplier
Pada tabel supplier ini akan diisi sekitar 10 data supplier berikut ini:
Gambar 5.3 Data Tabel Supplier d. Tabel Area
Pada tabel area ini akan diisi sekitar 15 data area berikut ini:
Gambar 5.4 Data Tabel Area e. Tabel Operator
Pada tabel operator ini akan diisi hanya 3 data operator berikut ini:
f. Tabel sales
Pada tabel sales ini akan diisi sekitar 15 data sales berikut ini:
Gambar 5.6 Data Tabel Sales g. Tabel Barang
Dalam tabel barang akan di-input-kan banyak data barang, sehingga dapat mendapatkan data yang lebih variatif, berikut sebagian data barang yang diinputkan ke aplikasi penjualan:
119
5.2.2 Uji Coba Transaksi Dan Validasai Transaksi
Dalam uji coba ini, adalah menguji bagaimana proses transaksi oleh customer berjalan dengan baik, berikut adalah langkah-langkah pengujian melakukan transaksi pada aplikasi e-commerce dengan metode web usage mining:
a. Percobaan login outlet sebelum bertransaksi
Gambar 5.8 Uji Coba pada Form Login Outlet
Dalam percobaan login ini, di-input-kan username “rekson” dengan password “rekson”. Setelah login akan muncul keberhasilan login sebagai berikut:
Gambar 5.9 Dialog Teks Keberhasilan Login
Login yang berhasil akan dimasuk pada halaman utama, dimana akan ditambahkan fitur keranjang belanja, fasilitas tombol beli pada masing-masing barang yang telah di-display dan logout. Fasilitas tersebut dapat
b. Percobaan Melakukan Pembelian
Dalam percobaan ini, outlet memilih barang yang ada di aplikasi ecommerce yang kemudian diproses pada halaman list transaksi, berikut adalah halaman list transaksi outlet:
Gambar 5.10 List transaksi Customer/Outlet
Setelah outlet memilih beberapa barang yang akan dibeli, kemudian akan dilanjutkan proses bayar, sehingga muncul pesan konfirmasi cetak invoice sebagai berikut:
Gambar 5.11 Dialog Teks Mencetak Invoice
Setelah Outlet Mengklik tombol OK, maka akan masuk ke halaman cetak invoice, dimana informasi pada halaman invoice akan berisi informasi tentang jumlah pembayaran sesuai harga barang dan jumlah barang yang dipesan, berikut adalah hasil dari pencetakan invoice:
121
Gambar 5.12 Cetak Invoice Untuk Outlet
Pada halaman ini nanti juga akan dikirimkan ke email outlet sebagai arsip tagihan/invoice yang harus dibayarkan ke owner website agar transaksi dapat segera diproses.
c. Percobaan Melakukan Validasi Pesanan Outlet Oleh Owner Website Langkah pertama untuk masuk ke dalam proses validasi pesanan, terlebih dahulu masuk pada form login admin, kemudian memilih menu Order Outlet pada sub menu Order Outlet. Setelah Mengklik tombol outlet maka akan muncul beberapa list dari order/pesanan yang dibuat oleh outlet dan perlu divalidasi ketika outlet mengkonfirmasi pembayaran dan nomor invoice, berikut adalah halaman List Order Outlet:
Setelah mengklik tombol “proses”, maka akan masuk pada halaman list barang yang dipesan oleh outlet, yang dilanjutkan dengan mengklik tombol pencetakan kwitansi faktur, berikut adalah daftar pesanan barang outlet:
Gambar 5.14 List Daftar Pesanan Outlet
Setelah itu dilanjutkan pada pembuatan kwitansi pembayaran dan konfirmasi via email secara otomatis, berisi tentang pembayaran sudah diterima, bahwa pemesanan akan diproses lebih lanjut. Berikut adalah halaman faktur yang akan dicetak:
123
5.2.3 Pr oses Vir tualisasi Log Kunjungan Dengan Gener ator .
Dalam proses ini log kunjungan ini, data akan yang diperoleh dari hasil kunjungan pengunjung, dari hasil kunjungan akan masuk ke dalam teks file, berikut adalah isi dari teks file tersebut:
Gambar 5.16 Data Dari Hasil File Teks
Agar dapat mengetahui pattern dari kunjungan yang telah ada, modul peng-generete-an dibutuhkan agar tercipta data-data log virtual sebagai data uji coba aplikasi, guna menguji hasil kerja dari aplikasi web usage mining ini. Berikut adalah gambar dari generator log:
Sistem kerja dari yakni menciptakan data secara random, hal ini seperti dengan Beth-Piper Stop-and-Go Generator yakni menciptakan data secara acak, sehingga menghasilkan banyak data yang bervariasi sebagai uji coba log, berikut Tampilan saat proses generate dijalankan:
Gambar 5.18 Proses Generate Log Pengunjung
Dalam proses tersebut diawali dengan memasukkan tanggal mulai dari generator log dan tahun log, sistem akan menjalankan proses generate sampai hasil pada saat akhir tahun. Berikut adalah sebagian data yang berhasil dimasukkan kedalam tabel log kunjungan:
125
5.2.4 Pr oses Vir tualisasi Log Page View Bar ang Dengan Generator Pada proses virtualisasi berikut adalah proses untuk pengisian secara random jumlah page view barang, sehingga akan menghasilkan data barang yang sering dilihat berdasarkan jumlah kunjungan per barangnya. Berikut adalah modul generator untuk menginput jumlah page view secara acak.
Gambar 5.20 Proses Generate Page View Barang Dari hasil generator tersebut menghasilkan data page view yang akan ditampilkan sebagai berikut:
5.2.5 Pr oses Vir tualisasi Pr oses Or der Penjualan Dengan Generator Pada proses virtualisasi berikut ini adalah proses dimana akan dilakukan peng-generate-an transaksi outlet ke aplikasi, dalam proses ini, nantinya akan dimasukkan beberapa ribu data dari rentang waktu 3 tahun kedalam tabel penjualan dan tabel pemesanan, proses ini bisa memakan waktu hingga berjam-jam untuk mendapatkan ribuan data, data yang sudah terisi kemudian dilanjutkan dengan proses berikutnya. Dalam generator ini, pertama-tama harus memasukkan tahun sebagai awal tahun generator-nya, berikut adalah tampilan form generator:
Gambar 5.22 Form Generator Untuk Transaksi Penjualan Setelah penginputan pada form generator, maka akan masuk ke proses generate data, berikut adalah prosesnya:
127
Setelah proses dijalankan akan mengahasilkan beberapa data yang akan ditampilkan pada Gambar 5.24 dan Gambar 5.25 yakni sebagai berikut:
Gambar 5.24 Hasil Dari Proses Generate Pada Tabel Penjualan
Ga mbar 5.25 Hasil Dari Proses Generate Pada Tabel Pemesanan Berikutnya adalah proses pengecekan jumlah dalam database:
5.3 Uji Coba Or der Pr oses ETL (Ekstr ak, Transform , Load) Data
Dalam sub bab uji coba ini, akan dilakukan proses ETL untuk me-mining hasil penjualan yang telah dilakukan oleh outlet. Dalm proses ini membutuhkan data tabel-tabel yang berkaitan dengan penjualan, dalam hal ini bisa disebut sebagai proses data cleaning. Data yang sudah terpilih, akan langsung dimasukan langsung ke dalam tabel ETL yang sudah dibuat sebelumnya, ujicoba proses ETL ke dalam tabel ETL dengan memasukkan nomor faktur awal dan akhir, ini dikarenakan proses pemindahan data ke dalam proses ETL akan memakan waktu yang cukup lama, sehingga akan diproses secara bertahap berdasarkan faktur:
Gambar 5.27 Form Etl Convert Memindahkan Data Ke Tabel Baru. Berikut adalah proses peng-convert-an atau pemindahan data dari tabel keseluruhan ke tabel gabungan, berikut adalah prosesnya:
129
Dalam proses pengkonversian ini diperkirakan memakan waktu sekitar beberapa jam proses dengan jumlah faktur kurang lebih 60000 faktur dan kurang lebih 111000 data macam barang pada setiap fakturnya.
5.4 Uji Coba Melihat Log Kunjungan Ber dasar kan Browser
Dalam Uji coba ini akan diketahui prosentase pengguna dalam menggunakan browser apa yang paling banyak digunakan untuk mengakses halaman aplikasi ini. Dalam proses ini, admin bisa mengetahui bahwa browser yang paling best compatible dengan aplikasi yakni Mozilla dan Opera.
Gambar 5.29 Hasil Konversi Grafik Kunjungan Berdasarkan Browser 5.5 Uji coba melihat log kunjungan ber dasar kan waktu kunjungan
Uji coba berikut adalah melihat waktu kunjungan pengunjung, pada jam berapa, kunjungan tertinggi yang dilakukan oleh pengunjung, contoh pada uji coba kali ini akan melihat trafik tahun 2007 periode Januari-April:
Gambar 5.30 Penginputan Dari Periode Kunjungan Berdasarkan Waktu Setelah proses penginputan, data akan ditampilkan dengan grafik, agar lebih mempermudah dalam mendapatkan pattern dari waktu kunjungan. Berikut adalah grafik log waktu kunjungan:
Gambar 5.31 Grafik Hasil Pencarian Pattern Waktu Kunjungan Dari grafik diatas menunjukkan, akses tertinggi terjadi pada rentang waktu jam 10 pagi hingga jam 4 sore. Dalam proses ini nantinya bisa digunakan untuk optimasi kerja customer service online, jika administrator memberikan pegawai dengan posisi customer service dalam pelayanan penjualan.
131
5.6 Uji Coba Bar ang Yang Ser ing Dilihat
Dalam uji coba ini akan memperlihatkan barang yang sering dikunjungi atau barang yang sering dilihat, dari hasil ini nantinya dapat diketahui, barang mana yang sering di review atau dilihat dari sisi pengunjung. Berikut adalah tampilan dari menu barang yang sering dilihat:
Gambar 5.32 Laporan Barang yang sering Dilihat 5.7 Uji Coba Log Keyword Ter tinggi Dalam Proses Pencar ian
Pada uji coba ini, diawali dengan menginputkan beberapa kata-kata dalam kota pencarian dengan banyak frase dan kata-kata yang berkaitan dengan nama barang dan keyword barang, dimana nantinya log pencarian tersebut akan dimasukkan ke dalam database dan digunakan untuk mengoptimasi keyword, sehingga pengunjung lebih mudah dalam menemukan barang, serta dalam penerapan teknik SEO (Search Engine Optimition) untuk aplikasi penjualan, berikut adalah tampilan hasil keyword log tertinggi:
Ga mbar 5.33 Laporan Keyword Yang Sering Digunakan
Dalam gambaran diatas menunjukkan bahwa keyword “Jelly” banyak digunakan namun hanya beberapa hasil yang ditemukan. Dalam trafik penggunaan ini nantinya admin dapat menambahkan keyword yang sesuai untuk barang yang akan dijual. Sehingga pengunjung mudah dalam melakukan pencarian.
5.8 Uji Coba Log J umlah Tr ansaksi Per Outlet (Effective Call)
Dalam uji coba kali ini, akan mencari outlet/customer mana yang paling banyak dalam melakukan proses transaksi, hal ini dimaksudkan agar nantinya dalam melihat portofolio dari customer. Sehingga barangkali ada special gift dari administrator karena transaksinya paling banyak. Berikut adalah tampilan dari effective call dimana proses ini merupakan hasil klasifikasi berdasarkan outlet pada tabel penjualan, dimana administrator memilih terlebih dahulu jangka waktu pada Form effective call:
133
Gambar 5.34 Pengisian Form Rentang Waktu Effective Call. Setelah melakukan proses penginputan rentang waktu transaksi maka, transaksi yang diakumulasikan berdasarkan rentang waktu yang ada, berikut adalah hasil dari effective call:
Ga mbar 5.35 Laporan Effectif Call Berdasarkan Rentang Waktu. Dalam proses ini, customer yang bernama “Arif Suyono” mendapatkan posisi tertinggi dalam proses transaksi. Sehingga nantinya admin bisa menindak lanjuti, apakah memberikan sebuah bonus atau reward untuk pelanggannya.
5.9 Uji Coba Log Penjualan Bar ang Ter tinggi
Dalam proses uji coba ini, data yang akan ditampilkan adalah data yang sudah melalui proses convert kedalam tabel baru, untuk mendapatkan hasil Log penjualan barang tertinggi, terlebih dahulu menginputkan tahun dan periode pada form yang sudah disediakan sebagai berikut:
Gambar 5.36 Form Penjualan Barang Tertinggi
Pada uji coba ini, memilih tahun 2007 dan periode Mei-Agustus, dan akan ditampilkan sebuah hasil berupa grafik yang dapat membantu dalam pembacaan dan membandingkan data, berikut hasil dari proses ini:
135
Dalam kondisi ini pada bulan Mei barang mengalami penjualan yang cukup bagus, namun pada bulan Juni mengalami penurunan, bisa dikarena bulan Juni trakfik pengunjung sedikit atau juga karena harga barang naik, pada trafik berikutnya barang mengalami lonjakan order pada bulan Juli, dan ada penurunan kembali pada bulan Agustus. Dari sisi lain, dapat dilihat produk yang paling diminati adalah “Buavita Jelly” dari Supplier “PT. Minarak Lapindo Pangan”, sehingga bisa menjadi kredit poin tambahan untuk barang yang disupplai dari supplier tersebut. Dari segi yang berbeda pula, proses ini bisa melihat stok barang yang diorder pada periode tersebut mencakup berapa stok, sehingga untuk periode yang mendatang, dapat memesan pada supplier dengan patokan pada penjualan yang lalu.
5.10 Uji Coba Log Penjualan Bar ang Ter tinggi Ber dasar kan Kategor i Dalam uji coba log penjualan barang tertinggi berdasarkan kategori ini digunakan untuk melihat katagori apa yang paling laris dipasaran sehingga administrator bisa mengambil keputusan untuk memperbanyak stok atau menambah jenis barang pada katagori tersebut. Untuk mendapatkan hasil tersebut, administrator menginputkan tahun dan periode pada form yang sudah disediakan sebagai berikut:
Pengisian form tahun 2007 dan periode September-Desember, sehingga akan diperoleh hasil sebagai berikut:
Gambar 5.39 Tabel Dan Grafik Barang Tertinggi Berdasarkan Katagori Dalam tabel yang ada di atas gambar grafik menunjukkan bahwa katagori “Chips” banyak diminati oleh customer, kemudian disusul katagori “Bubuk”, “Chiki”, “Jelly”, dan “Permen”, hasil dari setiap order per bulan pada katagori tersebut terlampir pada grafik, dimana mengalami penurunan dibulan Oktober dan Desember.
5.11 Uji Coba Log Penjualan Bar ang Ter tinggi Ber dasar kan Ar ea
Dalam uju coba log penjualan barang tertinggi berdasarkan area ini, dimaksudkan agar administrator dapat mengetahui, area mana yang sangat berpotensi untuk berkembang dan menyebarkan promosi dalam area tersebut, dengan begitu penjualan akan bisa optimalkan dengan adanya sumber informasi area tertinggi ini, berikut adalah form penjualan berdasarkan area tertinggi, dimana administrator mengisikan tahun dan periode:
137
Ga mbar 5.40 Form Penjualan Tertinggi Berdasarkan Area
Ujicoba dipilih tahun 2009 pada periode Mei-Agustus, sehingga informasi yang muncul adalah sebagai berikut:
Gambar 5.41 Tabel dan Grafik Area tertinggi
Dalam gambar tersebut dapat disimpulkan bahwa area “Surabaya” merupakan area tertinggi dalam bertransaksi, sehingga area ini sangat berpotensi penuh dalam proses transaksi, untuk area yang belum tercantum, administrator perlu melakukan penanganan, agar bisa mendongkrak nilai traksaksi penjualan pada area yang belum tercantum, dengan proses ini, maka dapat menjadi media untuk meningkatkan proses penjualan.
5.12 Uji Coba Log Penjualan Bar ang Ter tinggi Ber dasar kan Supplier Uji coba ini merupakan proses mencari supplier tertinggi, sehingga dari sisi administrator dapat mengetahui informasi bahwa supplier mana saja yang angka penjualan barang tertinggi pada periode yang sudah ditentukan, berikut form yang digunakan untuk menampilkan informasi tersebut:
Gambar 5.42 Form Penjualan Tertinggi Berdasarkan Supplier Dalam percobaan ini menggunakan tahun 2008 pada periode September-Desember, informasi yang akan didapatkan sebagai berikut:
Gambar 5.43 Tabel Dan Grafik Supplier Tertinggi
Dari grafik diatas disimpulkan bahwa supplier dari “PT. Kencana Maju Mundur Pangan” memiliki potensi transaksi yang cukup segnifikan, sehingga
139
administrator bisa menindaklanjuti pada supplier tersebut, apakah menaikkan angka pemesanan pada supplier tersebut atau mengurangi pasokan barang yang pada supplier tersebut. Grafik menunjukkan bahwa Oktober dan Desember mengalami penurunan order pada barang supplier tersebut.
5.13 Uji Coba Log Penjualan Bar ang Ter tinggi Ber dasar kan Ar ea
Dalam uji coba ini berbeda dengan pencarian area pada sebelumnya, pada uji coba ini adalah mencari barang apa yang paling diminati oleh customer berdasarkan area pada customer. Dalam percobaan ini nantinya bisa digunakan sebagai sarana informasi penjualan yang paling diminati pada setiap area, untuk mendapat informasi tersebut, perlu menginputkan nama area yang akan ditampilkan, tahun dan periode yang akan ditampilkan, berikut adalah form untuk mendapatkan informasi barang berdasarkan area:
Gambar 5.44 Form Penjualan Barang Per Area
dalam form, yang kemudian dilanjutkan dengan mengisi tahun dan periode yang dipilih, berikut adalah hasil dari area “Tulung Agung” pada tahun 2008 perioade Januari sampai dengan April:
Gambar 5.45 Tabel Dan Grafik Barang Per Area Tertinggi
Dalam grafik diketahui bahwa pada area “Tulung Agung” memiliki item barang Pop Ice Sebagai quantity dan transaksi tertinggi pada tahun 2008 periode Januari sampai April. Dengan informasi ini, administrator dapat mengambil kesimpulan bisa dengan menaikan jumlah stok barang yang populer.
5.14 Uji Coba Log Penjualan Bar ang Ter tinggi Ber dasar kan Supplier Dalam uji coba yang terakhir ini berbeda dengan proses sebelumnya yakni pencarian supplier tertinggi, pada proses berikut ini mencari informasi untuk mengetahui barang supplier apa yang paling laris dipasaran, langkah pertama
141
administrator memilih supplier mana yang akan dilihat, pada tahun dan periode apa yang ingin ditampilkan, berikut form untuk mendapatkan informasi tersebut:
Gambar 5.46 Form Penjualan Barang Per Supplier
Setelah melakukan proses penginputan informasi supplier “PT Djsandroe Corp.Tbk” pada tahun 2009 periode Mei sampai Agustus, berikut adalah hasil informasi tersebut:
Gambar 5.47 Tabel Dan Grafik Barang Per Area Tertinggi
Dalam tabel diatas menunjukkan produk barang “Pop Ice” yang disuplai oleh “PT. Djsandroe Corp.Tbk” sangat populer di masyarakat, sehingga nantinya
oleh masyarakat adalah “Pop Ice”, sehingga supplier dapat mengembangkan produk tersebut lebih lanjut.
5.15 Evaluasi
Dalam beberapa uji coba ini, terdapat beberapa evaluasi dari aplikasi web usage mining, yakni:
a. Hasil grafik yang didapat, dapat menjadi patokan estimasi stok selama beberapa periode, hal ini dapat ditunjukkan pada grafik uji coba pada setiap hubungan yang telah dibuat.
b. Penggunaan perankingan pada kumpulan transaksi, dapat menjadi indikator bahwa setiap beberapa transaksi memiliki beberapa atribut yang dapat digunakan sebagai indikator proses mining.
c. Uji Coba dari berbagai hasil perankingan tertinggi secara lengkap mampu menyajikan data yang bisa dijadikan sebagai tolak ukur dari proses bisnis yang terjadi pada aplikasi.
d. Pemanfaatan log secara maksimal akan mendapatkan informasi yang maksimal.
e. Bahwa ada pengaruh penting antara hasil kunjungan dengan pembelian barang, dimana terdapat pengunjung yang tinggi diikuti dengan penjualan yang cukup tinggi juga.
f. Kinerja proses mining dapat dilakukan diluar waktu kunjungan tertinggi, sehingga tidak menganggu proses kunjungan dan proses mining.
BAB VI PENUTUP
Pada bab terakhir ini, beberapa kesimpulan dan saran yang bisa diberikan berdasarkan Penerapan Metode Web Usage Mining Pada Prototype Ecommerce:
6.1Kesimpulan
Berdasarkan pada hasil penerapan dan uji coba fitur web usage mining, bahwa metode ini memberikan informasi data yang cukup membantu dalam pengalisaan tren interaksi pengunjung dengan toko online. Metode yang digunakan dalam pembuatan Penerapan Metode Web Usage Mining pada prototype ecommerce dengan hasil yang cukup lengkap dan variatif dengan menggunakan teknik statistical analys yakni mencari informasi tentang pola akses user, hal ini dapat dilihat pada penggunaan grafik pada hasil yang digunakan sangat membantu untuk melihat pattern pada setiap periodenya, sehingga dapat digunakan sebagai perbandingan informasi untuk pengambilan stok yang tepat untuk perioade selanjutnya. Penerapan metode Web Usage Mining juga dapat membantu proses penjualan untuk pengusaha-pengusaha distributor dalam mendistribusikan barang-barangnya untuk pelanggan-pelanggan yang berada pada beberapa area. Secara garis besar bahwa hal sekecil apapun, entah jejak kunjungan maupun transaksi sedikitpun dapat diketahui dengan metode web usage mining sehingga penggunaan jejak aktifitas log pengunjung dalam membantu mengoptimalkan toko online, karena dalam log tersebut berisi tentang informasi-informasi tentang