1
Agyl Ardi Rahmadi, Wiwik Anggraeni, S.Si, M.Kom, Radityo Prasetyo Wibowo., S.Kom
Jurusan Sistem Informasi, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia
Abstrak
Dengan semakin berkembangnya internet dan penggunaannya yang semakin meluas, semakin banyak perusahaan yang memasuki kegiatan e-business. Pada industri e-business, situs web menjadi tempat utama ditawarkannya layanan oleh perusahaan. Sehingga situs web berperan sangat penting pada keberhasilan sebuah e-business. Membuat situs web yang efektif dan efisien dapat menaikkan kepuasan pengguna, karena mereka dapat menemukan informasi yang mereka inginkan dengan cepat dan mudah, atau dalam kata lain menghemat waktu dan biaya.
Salah satu cara mengefektifkan sebuah situs web adalah dengan melakukan perbaikan struktur tautan ( links ) yang ada. Bagi pemilik situs, perbaikan struktur situs web bisa berarti biaya dan waktu yang tidak sedikit. Karena itu, diperlukan suatu metode perbaikan struktur situs web yang tepat dan efisien. Salah satu metode yang dapat dipakai adalah dengan metode Quadratic Assignment Problem (QAP). Metode QAP menggunakan konsep graf untuk memetakan struktur situs web sekaligus mendefinisikan derajat keterhubungan dan hubungan antar laman web. Kemudian digunakan QAP untuk memodelkan masalah pemosisian laman. Untuk penyelesaian model tersebut, digunakan teknik ant colony.
Dengan menggunakan metode QAP yang diselesaikan dengan teknik ant colony, struktur baru bisa didapatkan dan dianalisis. Dari analisis bisa diketahui baik tidaknya dari segi fungsi tujuan QAP, analisis closeness, analisis out degree, serta analisis kepraktisan dari struktur situs web baru dibandingkan dengan struktur lama
.
Kata Kunci: Ant Colony Meta-heuristic, QAP, Struktur Situs Web, Situs Web, e-business, Perbaikan struktur situs web
1. PENDAHULUAN
Membuat suatu situs web yang efektif sebagai pusat informasi adalah hal yang penting bagi perusahaan, karena secara tidak langsung akan meningkatkan kepuasan pelanggan atau pengguna situs. Selain pada industri e-business, sifat dasar situs web sebagai pusat informasi juga berarti bahwa, sebaiknya sebuah situs web memiliki tingkat kefektifan dan usabilitas/kegunaan yang tinggi sehingga pengguna atau pencari informasi dapat dengan mudah dan cepat mencari informasi yang diinginkan.
Terdapat banyak cara yang dapat dilakukan dalam meningkatkan efektivitas pencarian informasi di dalam situs web, yaitu dengan site map, search engine, intelligent navigation aid tools [6]. Sebagai penyedia informasi, sudah sepatutnya bahwa pemilik situs web menyediakan sebuah situs web dengan tingkat usabilitas yang tinggi [4]. Terutama pada industri e-business, dimana perusahaan menggunakan situs untuk mendapatkan informasi pelanggan, kompetitor, dan rekanan serta untuk menyediakan informasi tentang perusahaan mereka
Pada penelitian [1] dilakukan suatu metode perbaikan struktur situs web dengan melakukan permodelan Quadratic Assignment Problem (QAP). Dengan melakukan permodelan QAP, masalah struktur situs web dapat dianalogikan ke dalam permasalahan QAP. Analogi yang dilakukan juga menentukan asumsi-asumsi yang diperlukan agar permasalahan struktur situs web dapat dimodelkan ke dalam QAP.
Setelah dimodelkan ke dalam QAP, maka selanjutnya permasalahan tersebut diselesaikan menggunakan teknik Ant Colony Optimization. Dengan menggunakan ant colony, diharapkan struktur baru situs web yang lebih baik bisa didapatkan.
Setelah struktur baru didapatkan, penilaian baik tidaknya struktur baru tersebut digunakan tolok ukur Key Performance Indicator (KPI) dari situs web yang telah ditentukan sebelunya. Dengan berdasar pada KPI yang ada, baik tidaknya struktur baru dari situs web tersebut dapat ditentukan.
2. DASAR TEORI
2.1 Graf
Graf adalah struktur diskrit yang digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut (Rossen, 2003). Representasi visual graf terdiri dari simpul atau verteks ( V ) yang berupa noktah, bulatan, atau titik untuk merepresentasikan objek. Untuk merepresentasikan hubungan antar objek dinyatakan dengan garis atau yang biasa disebut sisi atau edges ( E ) / arcs ( A ) yang saling menghubungkan verteks tersebut. Ada beberapa tipe graf yang berbeda, dimana dibedakan berdasarkan sifat sisi yang saling menghubungkan pasangan verteks yang terhubung.
Graf digunakan untuk memecahkan masalah di banyak bidang. Sebagai contoh graf dapat digunakan untuk mempelajari struktur dari Internet atau World Wide Web (WWW). Contoh lainnya graf dapat digunakan dalam permasalahan mencari jalur terpendek dari satu tempat ke tempat lain di suatu kota atau suatu wilayah.
Graf G dapat didefinisikan sebagai pasangan himpunan (V,E), yang dalam hal ini :
V = himpunan tidak-kosong dari verteks-verteks = { v1, v2, …, vn }
E = himpunan sisi yang menghubungkan sepasang verteks
= { e1, e2, …, en }
Atau dapat ditulis singkat notasi G = ( V,E )
Dalam definisi, V dinyatakan tidak boleh kosong, sedangkan E boleh kosong. Karena sebuah graf dimungkinkan tidak mempunyai sisi satu buah pun, tetapi verteks harus ada, minimal satu.
Verteks pada graf dapat dinomori dengan huruf seperti a, b, c, …, z, dengan bilangan asli 1,2,3,… atau pun gabungan keduanya. Sedangkan sisi yang menghubungkan verteks vi dengan verteks vj dinyatakan dengan pasangan (
jika e adalah sisi yang menghubungkan vi dan vj, e bisa
ditulis sebagai e = ( vi, vj )
Graf dapat dikelompokkan menjadi beberapa kategori. Pengelompokkan bergantung pada sudut pandang yang dipakai. Salah satunya yang dapat digunakan adalah pengelompokkan berdasar pada arah dan bobotnya. Berdasarkan arah dan bobotnya, graf dapat dibagi menjadi empat, yaitu :
•Graf berarah dan berbobot •Graf berarah dan tidak berbobot •Graf tidak berarah dan berbobot •Graf tidak berarah dan tidak berbobot
Graf dimanfaatkan untuk memetakan struktur dari situs web yang akan dimodelkan ke dalam QAP.
2.2 Quadratic Assignment Problem
Quadratic assignment problem (QAP) atau permasalahan penugasan kuadratik, merupakan salah satu permasalahan fundamental didalam optimisasi kombinatorial yang merupakan cabang dari riset operasi, dari kategori permasalahan lokasi fasilitas
Ketika kali pertama dikenalkan,r QAP adalah model matematika untuk lokasi dari aktivitas ekonomi yang tidak dapat dibagi ( indivisible economical activities ). Tujuannya adalah untuk menempatkan n fasilitas ke n lokasi dengan biaya yang sebanding dengan aliran antara fasilitas, dikali dengan jarak antara lokasi, ditambah dengan biaya untuk menempatkan fasilitas di lokasi masing-masing. Masalah tersebut bisa dimodelkan dengan tiga matriks n × n :
A = (aik), aliran dari fasilitas i ke k
B = (bjl), jarak dari lokasi j ke l
C = (cij), biaya penempatan fasilitas i di lokasi j
Sehingga QAP dalam bentuk Koopmans-Beckmann bisa ditulis menjadi,
transportasi yang disebabkan menempatkan fasilitas i ke lokasi π(i) dan fasilitas k ke lokasi π(k). Sebuah contoh QAP dengan masukan matriks A, B, dan C bisa dinotasikan dengan QAP(A, B, C). Beckmann bisa ditulis sebagai berikut
∑∑
transportasi yang disebabkan dengan menempatkan fasilitas i ke lokasi π(i) dan fasilitas k ke lokasi π(k).
QAP digunakan untuk memodelkan permasalahan perbaikan struktur situs web yang nantinya
2.3 Ant Colony Optimization (ACO)
Ant colony Optimization (ACO), adalah teknik metaheuristik yang berbasis populasi (population-based) yang bisa digunakan untuk menemukan perkiraan solusi untuk permasalahan optimisasi yang sulit.
Dalam ACO, sekumpulan agen perangkat lunak (software agents) yang disebut artificial ants (semut buatan) mencari solusi terbaik untuk permasalahan optimisasi yang diberikan. Untuk menerapkan ACO, permasalahan optimisasi diubah kedalam permasalahan mencari jalur terbaik dalam graf berbobot.
Semut buatan (setelah ini akan disebut semut), secara bertahap membuat solusi dengan bergerak dalam graf. Proses konstruksi solusi bersifat stokastik, yaitu non-deterministik (tidak tentu) yang berarti keadaan sistem ditentukan baik oleh pergerakan yang telah diperkirakan dari proses itu sendiri dan oleh unsur acak.
Selain bersifat stokastik, proses konstruksi solusi juga dipengaruhi oleh model feromon (pheromone model), yang merupakan sekumpulan parameter yang dikaitkan dengan komponen dari graf (baik verteks maupun sisi), yang nilainya berubah selama proses konstruksi.
ACO pada dasarnya adalah paradigma atau kerangka kerja untuk mendesain algoritma metaheuristik untuk permasalahan optimisasi kombinatorial. ACO juga bisa disebut sebagai suatu kelas algoritma. Dalam ACO, semut buatan membangun solusi terhadap COP dengan melintasi graf konstruksi yang terhubung penuh, didefinisikan sebagai berikut.
Pertama, setiap variabel keputusan Xi = … disebut komponen solusi dan dinotasikan dengan cij. Himpunan dari semua komponen solusi yang dimungkinkan dinotasikan dengan C. Graf konstruksi GC(V, E) didefinisikan dengan mengasosiasikan komponen-komponen C dengan himpunan verteks V atau dengan himpunan sisi-sisi E.
Nilai dari jejak feromon τij diasosiasikan dengan komponen cij. Nilai feromon yang ada secara umum mengikuti fungsi dari iterasi algoritma t : τij = τij(t). Nilai feromon mengizinkan dimodelkannya distribusi probabilitas dari komponen-komponen yang berbeda. Nilai feromon digunakan dan diubah oleh algoritma ACO selama pencarian solusi.
! "
# #
Gambar 2. 1 Algoritma ACO
Jumlah dari τ dari feromon yang tersimpan bisa tergantung pada kualitas solusi yang dibangun. Setelahnya semut-semut memanfatkan informasi feromon sebagai panduan untuk membangun solusi yang lebih baik. Secara garis besar, ACO metaheuristik dapat digambarkan dalam pseudocode pada gambar 2.8.
ACO Metaheuristik terdiri dari langkah inisialisasi, dan tiga komponen algoritma yang diaktifkan didalam prosedur Schedule_Activities. Prosedur ini diulang sampai terpenuhi kriteria penyelesaian dipenuhi. Sebagai contoh kriteria adalah jumlah iterasi maksimal.
Prosedur Schedule_Activities tidak mengatur secara khusus bagaimana tiga algoritma didalamnya dijadwal dan disinkronisasikan. Bahkan ketiganya harus dieksekusi secara paralel dan independen, atau jika semacam sinkronisasi ketiganyan diperlukan. Dalam hampir semua pengaplikasikan ACO terhadap permasalahan NP-hard, tiga algoritma tersebut melakukan sebuah perulangan yang terdiri dari
(i) konstruksi solusi yang dilakukan oleh semua semut
(ii) meningkatkan kualitas solusi dengan melakukan local search. Langkah ini boleh dilakukan boleh tidak.
(iii)
pembaruan nilai feromon3. METODE PERBAIKAN STRUKTUR SITUS WEB
Metode perbaikan struktur situs web secara garis besar dapat dilihat pada gambar 3.1. Terdapat tiga bagian yaitu masukan, proses dan keluaran.
3.1 Masukan
3.1.1 Struktur situs web
Salah satu yang menjadi data masukan untuk optimisasi yang akan dilakukan adalah struktur situs web. Struktur disini adalah struktur tautan yang ada pada situs web tersebut. Yang perlu diperhatikan adalah struktur situs web disini mengabaikan hal-hal sebagai berikut :
• Desain tampilan antar muka dari situs web tersebut • Fungsi back , yang berfungsi untuk kembali pada laman web yang dijelajah sebelumnya, pada perangkat lunak penjelajah web
• Tautan yang bersifat cross links dan tautan yang menaut ke laman web sebelumnya dijelajahi. Mengenai cross links akan dijelaskan nanti. Ketiga hal tersebut diabaikan untuk menghilangkan asumsi yang mungkin dapat berkembang, seperti apakah desain tampilan mempengaruhi bentuk struktur. Selain tiga hal tersebut, terdapat asumsi lain yang diperlukan, yaitu situs web hanya memiliki satu root page/homepage atau laman awal. Sehingga struktur situs web yang akan dipetakan akan selalu berawal dari satu laman awal
Dalam mendapatkan struktur situs web yang akan diperbaiki, maka ekstraksi struktur tersebut dapat dilakukan dengan dua cara, secara otomatis atau manual. Secara otomatis dapat dilakukan dengan menggunakan perangkat lunak web crawler, yaitu perangkat lunak yang dapat menjelajahi situs web tersebut dan mengumpulkan informasi apapun dari situs web tersebut
.
× = ∑
≤ < ≤ijn
j i ij daa
C a TC
1
)] , ( [ ) ( Min
Gambar 3. 1 Diagram alir metode perbaikan struktur situs web dengan teknik ant colony
Untuk secara manual, dilakukan dengan membuka situs web tersebut, melihatnya, dan memetakannya secara manual. Dalam penelitian tugas akhir ini, ekstraksi struktur situs web dan pemetaan dilakukan secara manual.
Setelah ekstraksi struktur situs web, dilakukan penyederhanaan. Penyederhanaan struktur ini dilakukan untuk memenuhi kebutuhan dari tiga hal yang telah disebutkan sebelumnya. Selain itu juga pertimbangan untuk mempermudah perhitungan optimisasi nantinya. Karena dengan graf yang sederhana, perhitungan juga dapat lebih sederhana. Dengan asumsi bahwa perbaikan struktur pada tingkat yang sederhana akan dapat meningkatkan juga nilai pada tingkat kompleks.
3.1.2 File log server situs web
Untuk mendapatkan data log situs web, bisa diambil secara langsung dari web server. Setelah itu data log yang ada diproses dengan menggunakan perangkat lunak untuk analisis data log. Contoh perangkat lunak yang dapat digunakan adalah SmarterStats 5.1 yang merupakan produk dari SmarterTools Inc. Data log diproses untuk mendapatkan laporan mengenai jalur populer dari situs web.
jalur dapat dilakukan dengan membaca hasil laporan dari perangkat lunak. Dari laporan yang ada, biasanya dapat dilihat jalur-jalur yang sering dipakai pengunjung dan jumlah berapa kali jalur tersebut dipakai. Dari laporan tersebut, dapat disusun User Visiting Sessions (UVS) dan User Visiting Pattern (UVP)
User visiting sessions atau UVS, adalah pola kunjungan dari jalur yang sering dilewati pengunjung situs web. UVS didapat dari data log situs web yang diolah, yaitu jalur-jalur yang sering dilewati pengunjung ketika berada di suatu situs web.
Jalur-jalur tersebut didaftar dan diurut sesuai seberapa sering jalur tersebut dilewati. Sebelumnya, laman-laman yang dilalui juga telah diberi label, bisa berupa angka atau huruf, sebagai penanda masing-masing laman situs web.
Kemudian dari kesemuanya itu, dapat dibentuk suatu matriks satu baris yang isinya merupakan representasi apakah suatu laman situs web dikunjungi atau tidak dalam suatu jalur tersebut. Jumlah kolom pada matriks itu adalah jumlah laman pada situs web tersebut
User visiting pattern atau UVP adalah matriks VM×N, yang M merupakan jumlah UVS dari suatu situs web dan N adalah jumlah laman pada situs web tersebut.
Tabel 3. 1 Contoh UVP dengan 10 UVS situs web dengan 14 laman selanjutnya dilakukan permodelan QAP dari masalah struktur situs web yang ada.
3.2.1 Permodelan QAP
Jika graf struktur jalur populer dari situs web adalah G, maka
G = ( P, L, W )
Dengan didefinisikan :
• N = jumlah total laman pada situs web
• P = {Pi| i
∈
[1,N]} adalah himpunan semua verteks dalam G, yang dalam hal ini adalah laman situs web • L = {L(i, j)| i ≠ j, i, j∈
[1,N]} adalah himpunansemua sisi dalam G, yang dalam hal ini adalah tautan antar laman situs web
• W = {Wij| i ≠ j, i, j
∈
[1,N]} adalah himpunan semua bobot sisi di dalam GWij adalah probabilitas dari L(i,j) di pilih oleh terasosiasi dengan situs web yang lain dalam jalur-jalur yang dilewati pengunjung situs web. Kemudian didefinisikan Di adalah himpunan semua tujuan dari Pi.
Bobot QAP yang ada adalah Connectivity Degree/Derajat Keterhubungan. Menurut [2], Cij sebagai derajat keterhubungan antar laman dalam situs web. Semakin besar Cij, maka semakin mudah pengunjung menemukan Pj melalui Pi, dengan
C
ij= w
1+ w
2+ … + w
m (5)Dengan m adalah jumlah rute tautan dari Pi ke Pj. Atau dalam kata lain adalah berapa jalan yang dapat dilalui agar Pi dapat mencapai Pj. Selain itu terdapat tiga asumsi dasar yang harus dibuat dalam memodelkan permasalahan perbaikan struktur situs web dengan memodelkannya ke dalam QAP. Ketiga asumsi tersebut adalah sebagai berikut
Tabel 3. 2 Parameter QAP dan asumsi dalam struktur situs web
Param. Definisi dalam QAP Asumsi dalam struktur situs web
d(ai,aj) Jarak antar dua lokasi
Jarak antar dua laman web berdasar pada
jumlah tautan / langkah untuk mencapai
dua laman web berdasar parameter
C
TC(a)
Jumlah biaya dari susunan fasilitas saat ini
Jumlah biaya dari struktur situs web saat ini
Dengan fungsi tujuan QAP yaitu,
Setelah asumsi ditentukan dan fungsi tujuan diketahui, maka selanjutnya adalah bagaimana pembentukan model QAP, yaitu matriks jarak dan matriks bobot dalam permasalahan struktur situs web. Keduanya akan digunakan dalam perhitungan metode perbaikan, yaitu penyelesaian model QAP dengan teknik ant colony.
struktur situs web yang telah dipetakan. Graf yang digunakan adalah graf yang merupakan pemetaan dari seluruh situs web yang ada.
Perhitungan jarak ini dapat diselesaikan dengan melakukan operasi pada graf. Dengan operasi sederhana, implementasi perhitungan jarak dapat dilakukan. Perlu diingat, matriks jarak dalam model QAP merupakan matriks n x n.
Seperti yang telah dijelaskan, elemen dari matriks bobot adalah Cij. Dengan kata lain, untuk mendapatkan Cij, maka setelah data log dan struktur diolah dan siap digunakan, selanjutnya adalah melakukan perhitungan untuk mencari Rij, yang akan digunakan untuk mencari semua Wij. Semua Wij itu yang akan digunakan untuk mencari nilai dari semua Cij. Sama seperti matriks jarak, matriks bobot ini merupakan matriks n × n.
3.2.2 Penyelesaian model QAP dengan teknik Ant
Colony
Permasalahan struktur situs web yang telah dibentuk ke dalam model QAP, maka selanjutnya adalah menyelesaikan model tersebut dengan menggunakan teknik ant colony atau ACO. Dengan tujuan meminimalkan nilai biaya dari struktur, maka pencarian solusi dari model yang ada adalah dengan mencari struktur baru dari situs web yang memenuhi fungsi tujuan.
Untuk menyelesaikan model QAP yang ada, maka teknik ant colony digunakan untuk membuat solusi, yang dalam hal ini dibuat sebuah generator untuk struktur situs web yang dicari. Dimana generator tersebut bekerja dengan masukan matriks biaya dan jumlah laman dari model QAP. Generator yang dibuat menggunakan konsep dasar dari ACO yang telah dijelaskan.
Konsep ACO yang digunakan untuk generator adalah dengan digunakannya aturan state transition rule, dan pheromone update rule dari ant system. State transition rule dari [1] :
∑
(33)
Dengan,
• Pij(t) adalah probabilitas memilih laman j dari i pada langkah selanjutnya
• τij(t) adalah jumlah feromon di sisi i – j
• α adalah bobot feromon dalam probabilitas komputasi
Kemudian pheromone update rule
:
1 1 ∑ !"#"$% &' ()*+ *+,* ,
(34)
Dengan,• τij( t ) adalah jumlah utama feromon di sisi i – j
• τij( t +1 ) adalah jumlah sekunder feromon di sisi i – j
• ρ adalah tingkat evaporasi dari feromon
• Q adalah total jumlah feromon di dalam Ant System
Generator yang dibuat membutuhkan masukan matriks C yang telah didapatkan dari proses permodelan QAP. Setelah itu matriks C digunakan untuk mendapatkan struktur yang memiliki nilai biaya yang lebih kecil
dibanding struktur sebelumnya. Cara kerja dari generator yang ada adalah sebagai berikut.
Setiap semut selalu memulai dari verteks 1, yang dalam hal ini adalah laman awal dari situs web. Setiap semut “bergerak” dari verteks awal ke verteks selanjutnya. Pemilihan verteks selanjutnya berdasarkan dari state transition rule. Setelah dipilih, semut pindah ke verteks tersebut. Setelah itu semut memilih kembali verteks selanjutnya yang akan dikunjungi. Berapa kali semut bergerak dari verteks 1 tergantung dari parameter hop yang telah ditentukan.
Setelah satu semut berpindah sebanyak sekian hop, maka semut tersebut berhenti dan semut berikutnya melakukan proses yang sama. Begitu seterusnya sampai semua semut telah melakukan perjalanan atau semua verteks yang tersedia telah dikunjungi. Jika pada perpindahan pertama suatu semut telah mengunjungi misalkan verteks 4, maka pada pergerakan ke-2 dan seterusnya semut tersebut tidak bisa mengunjungi verteks 4. Ketika semut selanjutnya mulai melakukan pergerakan, untuk perpindahan pertama semut tersebut bisa mengunjungi verteks 4, namun tidak pada perpindahan ke-2 dan seterusnya.
Gambar 3. 2 Ilustrasi sederhana cara kerja generator graf berdasar ACO
Jadi suatu verteks tidak bisa dikunjungi lagi jika pada pergerakan sebelumnya verteks tersebut telah dikunjungi. Semut yang berbeda bisa mengunjungi verteks tersebut jika memiliki persamaan dalam pergerakan keberapa semut tersebut mengunjungi verteks tersebut. Misalkan semut pertama mengunjungi verteks 4 pada pergerakan pertama, maka semut ke-2 juga bisa mengunjungi verteks 4 pada pergerakan pertama, tapi tidak pergerakan ke-2 dan seterusnya. Untuk setiap verteks yang dikunjungi, disimpan statusnya bahwa verteks X telah dikunjungi. Fungsinya untuk memberhentikan iterasi yang berjalan.
telah dikunjungi. Di setiap iterasi dilakukan pembaruan feromon secara global untuk mengubah probabilitas dari setiap verteks yang dikunjungi. Dengan itu diharapkan setiap semut dapat membentuk graf dengan tidak terdapat verteks yang terisolasi. Gambar 3.1 adalah ilustrasi cara kerja generator.
3.3 Analisis Keluaran
Setelah permodelan QAP dan digunakannya algoritma ACO, yang dalam hal ini dibuat suatu generator untuk struktur situs web, diimplementasi dan digunakan untuk menyelesaikan model QAP yang ada, maka diharapkan hasil keluaran berupa struktur baru yang lebih optimal didapatkan.
Setelah didapatkan struktur baru, selanjutnya dilakukan analisis struktur baru situs web. Analisis dilakukan dengan mengacu pada KPI yang telah ditentukan sebelumnya. Dalam hal ini, tujuan struktur baru adalah bagaimana agar pengunjung dapat lebih cepat dan mudah dalam mencari informasi yang dibutuhkan. Sehingga KPI yang ditentukan untuk tujuan tersebut adalah :
• Waktu kunjungan situs web
• Jumlah laman yang dilihat per kunjungan
Dalam analisis diasumsikan bahwa jumlah laman yang dilihat per kunjungan adalah maksimal untuk tiap kunjungan, dalam arti kunjungan tersebut semua laman dalam situs web dikunjungi. Sehingga tiap pengunjung melakukan penjelajahan dalam situs web terhadap tiap laman. Kemudian untuk waktu kunjungan situs web, diambil dari data log situs web untuk rata-rata waktu kunjungan per laman situs. Kemudian setiap rata-rata waktu kunjungan dari laman-laman situs web dijumlahkan.
Dengan melihat KPI yang telah ditentukan, jika waktu yang dibutuhkan untuk menjelajah situs web ( dengan skenario tersebut ) lebih sedikit daripada ketika skenario dijalankan di struktur lama, maka struktur baru sudah bisa dikatakan lebih baik dari struktur lama
Selain itu juga dilakukan analisis dari segi analisis graf, yaitu dari nilai-nilai statistik yang dihasilkan dari analisis graf. Dan juga dilakukan analisis dari segi praktis. Yaitu jika struktur tersebut digunakan dalam dunia nyata, bagaimanaka struktur tersebut mempengaruhi faktor-faktor yang diabaikan dalam perhitungan seperti desain dari situs web dan penempatan tautan di dalam situs web.
4. Uji kasus
4.1 Masukan, Proses, Keluaran
Pada uji kasus ini. situs web yang diambil sebagai kasus adalah situs web versi English dari Institut Teknologi Sepuluh Nopember (ITS) yang memiliki alamat laman awal di http://www.its.ac.id/en.
Log file dari situs web kasus diambil langsung dari web server tempat situs web tersebut diletakkan. Situs web kasus diletakkan di web server Apache, sehingga log file situs web terdapat di directori /log dari direktori utama situs web dengan tipe log file yang diambil adalah access log yang mencatat akses yang dilakukan. Log file yang diambil memiliki periode pencatatan mulai tanggal 22 Desember 2009 - 20 Januari 2010.
Setelah log file dari situs web kasus didapatkan dan siap untuk digunakan, maka selanjutnya adalah pemilihan perangkat lunak untuk mengolah data-data log tersebut.
Dalam uji kasus ini digunakan perangkat lunak SmarterStats 5.1 yang merupakan produk dari SmarterTools Inc.
Gambar 4. 1 Tampilan situs web yang digunakan untuk uji kasus
Perangkat lunak yang digunakan untuk mengolah data-data log tersebut digunakan untuk menghasilkan laporan statistik dari situs web kasus. Laporan yang diperlukan, seperti yang telah dijelaskan, adalah laporan mengenai jalur populer/popular paths yang sering dilalui oleh pengunjung situs web.
Gambar 4. 2 Hasil pemetaan struktur situs web yang digunakan
Pada laporan yang dihasilkan perangkat lunak, terdapat jalur-jalur yang digunakan pengunjung ketika menjelajah dalam situs web kasus. Tapi dikarenakan situs web versi Bahasa Indonesia dan Bahasa Inggris dari ITS ternyata memiliki pencatatan akses yang dijadikan satu, sehingga dari laporan yang ada juga terdapat jalur-jalur yang digunakan pengunjung situs web versi Bahasa Indonesia dari ITS.
dengan mengaturnya lewat perangkat lunak pengolah data log yang digunakan. Untuk uji coba ini, dilakukan penyisihan secara manual. Sehingga didapatkan jalur-jalur populer dari situs web kasus
Dalam uji kasus ini, dikarenakan kecilnya nilai digunakannya jalur-jalur populer yang ada, maka jalur-jalur populer yang ada mengabaikan batasan minimal banyaknya jalur-jalur tersebut dipakai.
Dari dua ratus data yang didapatkan dari penyisihan sebelumnya, dicari data-data yang laik untuk digunakan karena adanya data-data yang masih tercampur dengan data situs web versi Bahasa Indonesia ITS. Dari pencarian yang ada ditemukan sekitar lima puluh data yang digunakan untuk proses selanjutnya. Selanjutnya d
ata UVP
didapatkan dari analisis jalur-jalur populer yang ada.
Berikutnya adalah penggunaan perangkat lunak yang dibuat dengan memanfaatkan data UVP dan struktur situs web yang telah didapatkan.
Setelah perangkat lunak
dijalankan dengan parameter Q = 100, alpha = 0,1, rho
= 0.9, dan iterasi maksimal adalah seratus. maka hasil
akhir telah didapatkan.
Untuk uji kasus ini, didapatkan struktur yang baik sebagai struktur baru dari situs web kasus dengan nilai total biaya yang lebih minimal. Dengan struktur lama, situs web kasus memiliki nilai total biaya adalah 3.902, setelah perangkat lunak digunakan, didapatkan total biaya 3.4509. Gambar 4.3 adalah struktur baru yang dihasilkan.
Gambar 4. 3 Tampilan perangkat lunak setelah proses selesai
4.2 Analisis hasil keluaran
Dari hasil keluaran perangkat lunak yang telah didapatkan, maka selanjutnya dilakukan analisis hasil tersebut agar dapat dinilai apakah hasil keluaran tersebut bisa dinilai lebih baik dari struktur lama.
Dari hasil keluaran, dilakukan analisis untuk nilai total biaya. Dari struktur baru yang didapatkan, nilai total biayanya adalah 3.451 . Sementara dari struktur lama, nilai total biayanya adalah 3.902. Sehingga dapat disimpulkan bahwa struktur baru lebih baik dari struktur lama dari segi nilai total biaya karena telah memenuhi fungsi tujuan yang ada.
Untuk analisis KPI, dari laporan yang dihasilkan oleh web log analysis software, tidak dapat ditemukan
waktu
kunjungan rata-rata untuk tiap laman situs web kasus. Sehingga tidak dapat dilakukan analisis KPI.Gambar 4. 4 Struktur baru situs web hasil keluaran perangkat lunak
Karena analisis KPI tidak bisa dilakukan, maka dilakukan analisis lain untuk menilai baik tidaknya struktur baru dari situs web kasus yang didapatkan. Analisis yang dilakukan adalah analisis graf terhadap struktur baru yang dihasilkan, dan juga analisis dari segi praktis. Analisis-analisis tersebut yaitu Analisis-analisis Closeness, Analisis-analisis Out Degree, dan analisis kepraktisan.
4.2.1 Analisis closeness
Analisis closeness adalah analisis untuk mengetahui tingkat kedekatan dari masing-masing verteks pada suatu graf. Semakin kecil langkah yang dibutuhkan, semakin tinggi nilai dari closeness. Untuk kasus struktur situs web, closeness menunjukkan tingkat kemudahan untuk menjelajah dari suatu laman ke laman lainnya. Pada analisis ini, analisis closeness untuk struktur lama dan baru dari situs web kasus seperti yang terlihat pada tabel 4.1.
Tabel 4. 1 Tabel perbandingan nilai out degree struktur lama dan baru
Keterangan Struktur lama Struktur baru
Minimum 0.01369863 0.016393442
Maximum 1.0 0.024390243
Mean 0.032140605 0.018765671 Dari nilai rata-rata closeness, dapat dilihat bahwa struktur lama memiliki nilai yang lebih tinggi daripada struktur baru yang didapatkan. Dari menurunnya nilai rata-rata closeness dari struktur lama dapat ditarik simpulan bahwa dengan struktur baru pengunjung akan lebih mengalami kesulitan dalam menjelajah situs web yang ada.
4.2.2 Analisis Out Degree
banyak out degree yang dimiliki tiap verteks dalam graf tersebut. Tabel 4.2 menunjukkan perbandingan nilai analisis out degree untuk struktur lama dan baru dari situs web kasus.
Tabel 4. 2 Tabel perbandingan nilai out degree struktur lama dan baru
Keterangan Struktur lama Struktur baru
Minimum 0.023809524 0.45238096
Maximum 0.4047619 0.97619045
Mean 0.023255814 0.64451826
Dari tabel dapat dilihat bahwa untuk nilai minimum dan maksimum serta rata-rata dari out degree mengalami peningkatan untuk struktur baru, yang berarti dalam setiap laman struktur baru terdapat banyak tautan baru yang menuju laman lain. Dengan demikian analisis menunjukkan bahwa struktur baru menuntut perubahan yang cukup banyak dalam masalah penempatan tautan baru di tiap laman.
4.2.3 Analisis kepraktisan
Analisis kepraktisan yang dilakukan disini melihat bagaimana struktur baru dapat digunakan dari segi desain tampilan situs web dan tata letak tautan. Dari graf pada gambar 6.9 dapat dilihat bahwa dari tiap verteks terdapat banyak sisi yang saling menghubungkan antara satu dengan verteks lain. Dengan demikian tiap laman terdapat tautan baru yang sebelumnya tidak ada.
Dari struktur baru yang ada dapat dilihat bahwa tidak setiap laman terhubung ke laman lainnya. Terdapat laman yang terhubung ke semua laman lain, sebagai contoh adalah laman 1. Namun juga terdapat laman yang tidak terhubung ke semua laman. Sebagai contoh adalah laman 2. Jika struktur baru tersebut dipakai, dan digunakan. Dari segi tampilan situs web, dapat digunakan tipe menu rollover untuk menempatkan tautan. Contoh menu rollover seperti yang terlihat pada gambar 6.10 yang diambil dari situs web ITS versi Bahasa Indonesia.
Gambar 4. 5 Contoh menu rollover pada situs www.its.ac.id
Namun dari struktur baru yang didapat, tiap laman tidak menaut ke setiap laman. Dari segi kepraktisan hal tersebut akan sangat merepotkan web designer karena berarti tiap laman memiliki jumlah tautan yang berbeda-beda. Padahal di setiap situs web sudah umum bahwa tiap laman memiliki bentuk tampilan yang sama (template)
dengan jumlah tautan yang sama juga. Sehingga struktur baru dari segi kepraktisan tidak dapat diimplementasikan.
5. Simpulan
Setelah melakukan uji kasus dan analisis hasil dari metode perbaikan struktur situs web dengan teknik ant colony, maka dapat disimpulkan hal-hal sebagai berikut untuk permasalahan struktur situs web yang diangkat:
• Perbaikan struktur situs web dengan menggunakan teknik ant colony dilakukan dengan cara memodelkan permasalahan struktur situs web ke dalam QAP yang solusinya dicari dengan menggunakan generator struktur situs web yang bekerja dengan konsep ant colony.
• Implementasi dari metode perbaikan struktur situs web dengan teknik ant colony telah dapat dilakukan dengan pembuatan perangkat lunak untuk permodelan QAP dan web log analysis software untuk analisis awal log file situs web.
• Telah didapatkan usulan perbaikan struktur situs web dari situs web versi English ITS.
6. Daftar Pustaka
[1] Saremi, H. Qahri, Abedin, B., Karmeni, A. Meiman, 2008. ”Website structure improvement: Quadratic assignment problem approach and ant colony meta-heuristic technique”. Applied Mathematics and Computation 195, 285 – 298
[2] Dorigo, M., Di Caro, G., 1999. ”Ant Colony Optimization: A New Meta-Heuristic”. IEEE
Proceedings of the 1999 Congress on
Evolutionary Computation. Washington, DC, 6
– 9 July
[3] Gambardella, L.M., Taillard, E.D., Dorigo, M. 1999. “Ant Colonies for the Quadratic Assignment Problem”. The Journal of the Operational
Research Society 50, No.2, 167-176.
[4] Fang, X., Holsapple, C. W., 2006. “An empirical study of web site navigation structures’ impact on web site usability”. Decision Support System 43 (2007) 476 – 491
[5] Yen, Benjamin, 2007. ”The design and evaluation of accessibility on web navigation”. Decision
Support System 42 (2007), 2219 – 2235
[6] Wang, Y., Dai, W., Yuan, Y., 2007. “Website borwsing aid : A navigation graph-based recommendation system”. Decision Support
System 45 (2008) 387 – 400
[7]
Hernández, B., Jiménez, J., Martin, M.J., 2009. “Key website factors in e-business strategy”.International Journal of Information
