4 HASIL DAN PEMBAHASAN

(1)

4 HASIL DAN PEMBAHASAN

Pemecahan data log dan konversi ke file .csv

Data log yang sudah terpilih kemudian dipecah-pecah agar memudahkan

untuk pembacaan oleh program. Pemecahan data log tidak seperti membagi rata

menggunakan rumus matematika akan tetapi diambil berdasarkan jumlah baris

tertentu. Dari hasil pemecahan diperoleh data sebagai berikut:

Tabel 16. Data hasil pemecahan file access_log

Nomor Nama file log Ukuran (byte) Jumlah Baris

1 a.csv 110 542 665 480 000 2 b.csv 150 217 973 522 838 3 c.csv 147 894 289 475 826 4 d.csv 93 766 392 311 630 5 e.csv 62 261 364 253 348 6 f.csv 67 463 583 280 202 Jumlah 632 146 266 2 323 844

Membersihkan data dan Pemilihan String

Setelah data log dipecah menjadi 6 kelompok, kemudian dengan

mengguakan aplikasi yang dikembangkan ke enam data tersebut dibersihkan dan

dipilih string yang dibutuhkan, sehingga hasil akhirnya akan diperoleh data

transaksi yang bersih.

jumlah Transaksi yang tercatat pada Web Server deptan untuk periode November

2012 Desember 2012 adalah sebagai berikut:

Tabel 17. Tahap Pembersihan Data Transaksi Web deptan

No Jenis Transaksi Berkas Awal Berkas Hasil Jumlah Transaksi Jumlah IP _Host 1 Pembersihan tahap 1 access_log.csv data_log_1 2 323 844 34 060

2 Pembersihan tahap 2 data_log_1 data_log_2 1 641 919 34 060

3 Pembersihan tahap 3 data_log_2 data_log_1itemset 360 926 29 452 4 Pembersihan tahap 4 data_log_1itemset data_log_1itemset 115 569 29 452

Berdasarkan tabel 4.2 terlihat ada 4 tahap pembersihan, yaitu:

1. Pembersihan tahap 1 merupakan proses pemasukan data teks csv ke tabel

data_log_1, disini hanya dilakukan proses impor saja, pembersihan hanya

mengganti tanda petik dengan spasi kosong

2. Pembersihan Tahap 2 merupakan proses pemisahan string request yang ada

pada data_log_1, dengan menggunakah Script PHP.

(2)

Misalnya diketahui string request =

/wap/index.php?option=component&id=

3&gbfrom=16258.

Pada data request tersebut semua string dibelakang tanda tanya (?) akan

dibuang dengan perintah seperti berikut :

$str_rek = /wap/index.php?option=component&id=3&gbfrom=16258 $pisah_request = explode('?',$str_rek);

Setelah perintah tersebut maka akan terbentuk array pisah_request yaitu :

$pisah_request[0] = /wap/index.php

$pisah_request[1] =

option=component&id=3&gbfrom=16258

Setelah data request terbagi dua, maka tinggal dilakukan pemilihan string

yang dibutuhkan yaitu

$pisah_request[0], sedangkan $pisah_request[1]

dibuang. Kemudian 3 huruf sebelah kanan dari $pisah_request[0] disimpan

pada fileds type_req dan dijadikan acuan query pembersihan baris data yang

mengandung file gambar, audio, video, layout web dan string query.

Pembersihan dilakukan dengan perintah SQL berikut :

$$pj_string = strlen($pisah_request[0]);

$type_req = substr($pisah_request[0],$pj_string-3,3);

@bersihkan = mysql_query("delete from data_log_1 where type_req ='css' or type_req ='js' or type_req ='.js' or type_req ='.db' or type_req ='xml' or type_req ='bmp' or type_req ='gif' or type_req ='jpg' or type_req ='jpeg' or type_req ='png' or type_req ='mp3' or type_req ='mp4' or type_req ='swf' or type_req ='sql' or type_req ='ico' ortype_req ='ef=' or type_req ='exe' or type_req ='*' or type_req ='mso' or type_req ='emf' or type_req ='epp' or type_req ='rtf' or type_req ='lt=' or type_req ='wmf' ortype_req ='ms=' or type_req ='%3D' or type_req ='rc=' or type_req ='MYI' ortype_req like '%/' ");

3. Pembersihan tahap 3 yaitu proses pembuangan request yang sama dan

dilakukan pada detik yang sama, hal tersebut untuk menghindari duplikasi

data.

4. Pembersihan tahap 4 merupakan proses pembuangan data transaksi yang

dilakukan oleh host (IP Address) pada hari yang sama dengan akses node

yang sama.

Struktur Data Pohon dan Membentuk Node

Struktur data pohon yang terbentuk tidak direpresentasikan dalam bentuk gambar,

akan tetapi dalam bentuk susunan direktori. dari hasil penelusuran direktori web

Deptan, diperoleh sebanyak 20 924 node, dengan pengurutan data berdasarkan

abjad isi_node supaya memudahkan pencarian.

(3)

Tabel 18. Daftar Node

kode_node isi_node 1 /adm.html 2 /adm.php 3 /adm/admloginuser.php 4 /adm/index.html 5 /adm/index.php 6 /admin 7 /admin-login.asp 8 /admin-login.html 9 /admin-login.php 10 /admin.asp 11 /admin.htm 12 /admin.html 13 /admin.indexadmin.php 14 /admin.php ... ... 20923 /wp-content/themes/make-money-online-theme/scripts/timthumb.php 20924 /wp-content/uploads/2012/01/laporan-kemajuan-program-catatan-akhir-tahun-pertama-desember-2011.pdf

(4)

Analisis Database

Berikut ini skema pembentukan tabel untuk keperluan penambangan data:

Gambar 7. Skema pembentukan tabel log

Penambangan data dilakukan terhadap tabel data_log_2 dan data_log_1itemset.

data_log_2 digunakan untuk mengetahui runtutan waktu (time series) dalam

batasan waktu terkecil adalah detik, sedangkan data_log_1itemset digunakan

untuk membentuk transaksi per ip_host sebagai identifikasi sesi (session

identification) dengan batasan waktu terkecil adalah hari atau tanggal (relasi antar

tabel ada pada class diagram).

Analisis Assosiasi

a.

Penentuan kaidah asosiasi

Proses analisis yang pertama dilakukan yaitu menentukan kandidat 1itemset

untuk 20 transaksi tertinggi dari transaksi node pada tabel data_log_1itemset

(5)

dengan nilai Minimum Support (MS) adalah 1% dan nilai Minimum Confidence

(MC) minimum adalah 0.2%, dapat dilihat pada Tabel 4.4

Tabel 19. Hasil Scan / Prunning Pertama kandidat 1itemset

No Kode _Node Isi Node Node _Count Support _(%) Memenuhi _{Nilai MS}

1 8348 /index1.php 10162 8.8 ya 2 8039 /event.php 8841 7.7 ya 3 19262 /respon.php 8128 7.0 ya 4 12223 /pengumuman/cover_es.htm 7097 6.1 ya 5 20890 /wap/index.php 2808 2.4 ya 6 19803 /tampil.php 2505 2.2 ya 7 7530 /dir-alamatskpd/tampil.php 1961 1.7 ya 8 10759 /news/detail.php 1496 1.3 ya 9 7535 /dir_kementerian.php 788 0.7 tidak 10 332 /bbkptgpriok/admin/rb/bab-7-microsoft-excel.pdf 648 0.6 tidak 11 7969 /e-mail/alamat-dinas.htm 639 0.6 tidak 12 2500 /daerah_new/banten/dispertanak_pandeglang/artikel_10a.ht m 626 0.5 tidak 13 7330 /dialog/diskusi.htm 583 0.5 tidak 14 12823 /pengumuman/Mutasi-PNS/mutasi_tugas_pns.pdf 513 0.4 tidak 15 7978 /e-mail/email_pejabat_deptan.htm 492 0.4 tidak 16 7564 /distanbun-sijunjung/admin/rb/bab-7-microsoft-excel.pdf 447 0.4 tidak 17 7474 /dinakkeswan_jateng/detaildata.php 446 0.4 tidak 18 19835 /teknologi/horti/tcabe3.htm 436 0.4 tidak 19 11033 /pedum2012.php 420 0.4 tidak 20 10022 /kln/berita/wto/ttg-wto.htm 390 0.3 tidak

Jumlah transaksi akses node keseluruhan adalah 115 569 transaksi dapat dilihat

nilai support untuk

/index1.php

adalah 8.796% artinya 8.796% dari seluruh

transaksi dipastikan mengandung node 8.796%

/index1.php,

dan seterusnya

untuk data node lain diperoleh nilai support dengan perhitungan sama.

Menentukan kandidat 2itemset dapat dilakukan dengan mencari keseluruhan

kombinasi akses node yang terdapat pada hasil scan 1itemset, sebagai berikut:

(6)

Tabel 20. Hasil Scan / Prunning Kedua kandidat 2itemset

No Kode Node Isi Node _CountNode Support _(%) Memenuhi _{Nilai MS}

1 8348,19262 /index1.php,/respon.php 1751 1.5 ya 2 8039,8348 /event.php,/index1.php 1748 1.5 ya 3 8039,19262 /event.php,/respon.php 1744 1.5 ya 4 8039,12223 /event.php,/pengumuman/cover_es.htm 1525 1.3 ya 5 12223,19262 /pengumuman/cover_es.htm,/respon.php 1519 1.3 ya 6 8348,12223 /index1.php,/pengumuman/cover_es.htm 1514 1.3 ya 7 8039,19803 /event.php,/tampil.php 521 0.5 tidak 8 8348,19803 /index1.php,/tampil.php 380 0.3 tidak 9 19262,19803 /respon.php,/tampil.php 369 0.3 tidak 10 12223,19803 /pengumuman/cover_es.htm,/tampil.php 341 0.3 tidak 11 8348,10759 /index1.php,/news/detail.php 159 0.1 tidak 12 8039,10759 /event.php,/news/detail.php 143 0.1 tidak 13 10759,19262 /news/detail.php,/respon.php 142 0.1 tidak 14 10759,12223 /news/detail.php,/pengumuman/cover_es.htm 128 0.1 tidak 15 8348,7530 /index1.php,/dir-alamatskpd/tampil.php 65 0.1 tidak 16 8039,7530 /event.php,/dir-alamatskpd/tampil.php 64 0.1 tidak 17 12223,7530 /pengumuman/cover_es.htm,/dir-_{alamatskpd/tampil.php} 60 0.1 tidak 18 19262,7530 /respon.php,/dir-alamatskpd/tampil.php 56 0.05 tidak 19 7530,19803 /dir-alamatskpd/tampil.php,/tampil.php 42 0.04 tidak 20 19803,20890 /tampil.php,/wap/index.php 39 0.03 tidak 21 8039,20890 /event.php,/wap/index.php 36 0.03 tidak 22 12223,20890 /pengumuman/cover_es.htm,/wap/index.php 34 0.03 tidak 23 19803,10759 /tampil.php,/news/detail.php 31 0.03 tidak 24 8348,20890 /index1.php,/wap/index.php 29 0.03 tidak 25 20890,7530 /wap/index.php,/dir-alamatskpd/tampil.php 25 0.02 tidak 26 7530,10759 /dir-alamatskpd/tampil.php,/news/detail.php 22 0.02 tidak 27 10759,20890 /news/detail.php,/wap/index.php 19 0.02 tidak 28 19262,20890 /respon.php,/wap/index.php 16 0.01 tidak

Berdasarkan tabel 4.5 maka selanjutnya dilakukan proses perhitungan confidence

dari kaidah assosiasi yang memenuhi syarat Minimum Support (MS) 1.0% dan

Minimum Confidence (MC) 0.2% sebagai berikut:

(7)

Tabel 21. Hasil perhitungan support dan confidence kaidah assosiasi 2itemset

No Kaidah Assosiasi Support _(%) Confidence _(%) Memenuhi MS _{dan MC}

1 /respon.php ----> /index1.php 1.5 0.22 ya 2 /pengumuman/cover_es.htm ----> /event.php 1.3 0.21 ya 3 /respon.php ----> /event.php 1.5 0.21 ya 4 /pengumuman/cover_es.htm ----> /respon.php 1.3 0.21 ya 5 /pengumuman/cover_es.htm ----> /index1.php 1.3 0.21 ya 6 /event.php ----> /index1.php 1.5 0.20 ya 7 /event.php ----> /respon.php 1.5 0.20 ya

8 /respon.php ----> /pengumuman/cover_es.htm 1.3 0.19 tidak 9 /event.php ----> /pengumuman/cover_es.htm 1.3 0.17 tidak

10 /index1.php ----> /respon.php 1.5 0.17 tidak

11 /index1.php ----> /event.php 1.5 0.17 tidak

12 /index1.php ----> /pengumuman/cover_es.htm 1.3 0.15 tidak

Nilai support dan nilai confidence 2itemset /respon.php > /index1.php (19262

> 8348) adalah 1.5% dan 0.22% (tabel 4.5), hal ini berarti setiap kali halaman

web atau node /respon.php diakses maka ada kepercayaan sebesar 0.22% bahawa

di dalamnya ada halaman /index1.php.

Sedangkan nilai support dan nilai confidence 2itemset /index1.php >

/respon.php 1.5% dan 0.17%, yang berarti setiap kali halaman web atau node

/index1.php diakses maka ada kepercayaan sebesar 0.17% bahawa di dalamnya ada

halaman /respon.php.

Pengembangan Sistem Komputer untuk pengolahan data

1. Perencanaan Sistem

Sistem yang akan dikembangkan diharapkan bisa menggantikan tahapan fungsi

manual dalam menganalisis data Clickstream sehingga hasil akhir seperti yang

tergambar dalam gambar 3.2 bisa tercapai. Fungsi utama dari sistem yang

dikembangkan yaitu dapat memprediksi pengembangan konten Website untuk

lebih baik lagi.

2. Analisis Sistem

Pada tahapan ini akan diuraikan mengenai kebutuhan data dan informasi untuk

pengembangan sistem (System Requirement). Analisis dilakukan dengan

Pendekatan Berorientasi Objek (Object Oriented Approach) atau dikenal juga

dengan Object Oriented Modeling (OO Modeling). Menurut Satzinger et al.

(2007) yang termasuk kebutuhan sistem dirumuskan sepbagai berikut :

(8)

Interaction Diagram (Collaboration and/or Sequence

Diagram) + Statechart Diagram

a.

Analisis Use Case

Definisi Aktor

Aktor pada sistem ini terdiri dari satu aktor yang disebut dengan pengguna

(user) dengan deskripsi nya adalah semua pengguna sistem yang bisa

menganalisis data Clickstream dengan cara mengolah data mentah berupa

data log, membersihkan, menganalsis dan melihat prediksi pengembangan

konten Website.

Proses Pendefinisian Use Case

Tabel 22. Definisi Use Case

No. Use Case Deskripsi

1 Impor Data Log (Format CSV)

Merupakan proses mengambil data log yang sudah tersimpan di komputer, untuk selanjutnya akan disimpan dalam database. 2 Membersihkan Data Log Merupakan proses membersihkan data log

dengan membuang string yang tidak dibutuhkan

3 Membuat Node Proses Pembuatan node yang berasal dari direktori atau folder yang ada pada Website serta membandingkan data node yang ada pada Website dengan aktivitas untuk masing-masing host

4 Membuat 1-Itemset Node Merupakan salahsatu tahapan dalam algoritme apriori yaitu menentukan frequent dari kemunculan node 1-item node

5 Membuat 2-Itemset Node Merupakan tahapan selanjutnya dari tahapan membuat 1-Itemset Node, yaitu menentukan frequent dari kemunculan node 2-item node 6 Lihat Aktivitas Host Merupakan proses query terhadap tabel log

untuk mengambil data request untuk masing-masing host (IP Address)

7 Membuat data grafik Merupakan proses menampilkan data dalam bentuk grafik

(9)

Uraian Skenario Uses Case

Tabel 23 Uraian Skenario Impor Data Log

Nama Use Case: Impor Data Log

Skenario: Mengimpor data log

Triggering Event: User memilih url website kemudian menngambil (browse) file log yang sudah dikonversi ke file .csv.

Deskripsi singkat: Merupakan proses pemilihan berkas log untuk tiap-tiap url website, hanya diperkenankan 1 url 1 data log dengan waktu yang sama

Aktor: User

Use Case terkait Membersihkan data log Stakeholders: User

Kondisi sebelum: Data deskripsi url harus sudah tersimpan dalam tabel.

Kondisi Sesudah: Adanya penambahan data log untuk suatu alamat url dengan validasi berdasarkan waktu log.

Aliran Aktifitas Aktor Sistem

1. Memilih url induk yang akan ditambahkan data log nya

2. Memilih data log yang sesuai dengan url induk

2.1 Memeriksa keberadaan data pada tabel disesuaikan dengan data yang dimasukan oleh user

2.2 Menyimpan data ke dalam tabel

2.3 Memberikan konfirmasi data berhasil disimpan

3. Memeriksa data log dengan

mengonversi ke file .csv 3.1. Membaca data log dan memisahkan data tiap baris dengan pembatas (separator) spasi

3.2. Menampilkan data yang sudah dipisah-pisah

3.3. Memberikan konfirmasi penyimpanan data yang sudah dipisah-pisah tiap barisnya ke dalam database

Penangkapan Kondisi Kesalahan (Exception

Conditions)

2.1. Jika data yang dimasukan sudah ada pada tabel maka batalkan proses penyimpanan serta berikan konfirmasi bahwa data sudah ada, arahkan user ke form masukan data.

3.1 Apabila ada data log yang tidak terbaca, periksa lagi data log awal untuk memastikan datadalam format .csv dan hanya memiliki 1 separasi yaitu spasi

(10)

Tabel 24 Uraian Skenario Bersihkan Data Log

Nama Use Case: Membersihkan Data Log

Skenario: Membersihkan data log

Triggering Event: User memilih url website kemudian membersihkan data log

Deskripsi singkat: Ketika pilihan bersihkan berkas dipilih, maka sistem akan membersihkan data log dengan membuang baris data yang mengandung file tertentu.

Aktor: User

Use Case terkait Membuat 1-itemset node, include: Impor data log Stakeholders: User

Kondisi sebelum: Url website harus sudah memiliki data log

Kondisi Sesudah: Data log hanya memuat data yang dibutuhkan, baris data yang mengandug file tertentu maka akan dihapus.

1. Memilih url induk yang akan dibersihkann data log nya

2. Melakukan proses

pembersihan berkas 2.1 Membersihkan data log dari url web sesuai dengan pilihan user (pembersihan data log meliputi penghapusan baris data yang mengandung file css, js, .js, .db , xml, bmp, gif, jpg, jpeg, png, mp3, mp4, swf, sql, ico dan baris data yang tidak memiliki file (berakhiran /)

2.2 Memberikan konfirmasi berkas berhasil dibersihkan

Penangkapan Kondisi Kesalahan (Exception Conditions)

-Tabel 25. Uraian Skenario Membuat Node

Nama Use Case: Membuat Node

Skenario: Mengelola data Direktori Website

Triggering Event: User memilih opsi Direktori Website pada sajian menu utama. Deskripsi singkat: Ketika user memilih untuk menambahkan direktori website, maka

akan disediakan form isian direktori

Aktor: User

Use Case terkait Lihat Aktivitas Host, Membuat 1-Itemset Node, Membuat 1-Itemset Node

(11)

Nama Use Case: Membuat Node Stakeholders: User

Kondisi sebelum: url website sudah dideskripsikan Kondisi Sesudah: Data direktori termutakhirkan.

1. Memilih opsi Direktori Website pada menu utama 2. Melakukan pengelolaan data

direktori 2.1 Menyediakanpengelolaan data direktori form Penangkapan Kondisi Kesalahan (Exception Conditions)

-Tabel 26. Uraian Skenario Lihat Aktivitas Host

Nama Use Case: _{Lihat Aktivitas Host}

Skenario: Aktivitas Host

Triggering Event: User memilih Menu Aktivitas Host pada menu utama

Deskripsi singkat: Ketika pilihan aktivitas host dipilih maka akan dilakukan proses pencarian seluruh aktivitas yang dilakukan tiap-tiap host

Aktor: User

Use Case terkait Membuat Node, Include : Bersihkan Data Log Stakeholders: User

Kondisi sebelum: Url website harus sudah memiliki data log dan data log nya sudah dibersihkan

Kondisi Sesudah: Daftar aktifitas untuk masing-masing host.

1. Memilih url yang akan dilihat host-nya.

2. Memilih host untuk

ditampilkan aktivitasnya 2.1 Menampilkan aktivitas untuk masing-masing host Penangkapan

(12)

-Tabel 27. Uraian Skenario Membuat 1Itemset Node

Nama Use Case: _{Membuat 1Itemset Node}

Skenario: Membuat 1Itemset Node

Triggering Event: User memilih menu Apriori kemudian memasukan minimum support yang dikehendaki sesuai dengan tampilan data

Deskripsi singkat: Merupakan proses pembentukan kandidat 1-itemset dan menentukan freuent 1-temset data log

Aktor: User

Use Case terkait Membuat 2-itemset Node, include: Membersihkan Data Log Stakeholders: User

Kondisi sebelum: Data Log sebelumnya harus sudah bersih. Kondisi Sesudah: Terbentuk Data frequent 1-itemset

1. Memilih Menu Apriori 2. Memasukan Angka

Minimun support

3. Memeriksa Frequent-1 itemset

3.1. Membaca data_log_1itemset 3.2. Menghitung Frekuensi

tiap-tiap node

3.3. Menampilkan kandidat 1-itemset Node

3.4. Menampilkan data 1-itemset Node

Penangkapan Kondisi Kesalahan (Exception

Conditions)

3.1 Apabila tidak ada data Minimum support maka tampilkan konfirmasi agar mengisi angka Minimum Support.

Tabel 28. Uraian Skenario Membuat 2Itemset Node

Nama Use Case: _{Membuat 2Itemset Node}

Skenario: Membuat 2Itemset Node

Triggering Event: User melakukan proses penentuan 1-temset node

Deskripsi singkat: Merupakan proses pembentukan kandidat 2-itemset dan menentukan freuent 2-temset data log

Aktor: User

Use Case terkait Include: Membuat 1-itemset Node Stakeholders: User

Kondisi sebelum: Data 1-itemset harus sudah terbentuk Kondisi Sesudah: Terbentuk Data frequent 2-itemset

(13)

2-Nama Use Case: Membuat 2Itemset Node itemset

2. Memilih Simpan 2-itemset 3. Memeriksa Frequent-2

itemset 3.1. Membaca data_log_2itemset3.2. Menghitung Frekuensi tiap-tiap node

3.3. Menampilkan kandidat 2-itemset Node

3.4. Menampilkan data 2-itemset Node Penangkapan Kondisi Kesalahan (Exception Conditions)

b.

Use Case Diagram

Gambar 8. Use Case Diagram

(14)

c.

Diagram Kelas (Class Diagram)

(15)

4 HASIL DAN PEMBAHASAN