Perancangan Web Usage Mining Untuk Analisis Pola Pembelian Pelanggan di Online Shop. Artikel Ilmiah

Perancangan Web Usage Mining

Untuk Analisis Pola Pembelian Pelanggan di Online Shop

Artikel Ilmiah

Diajukan kepada Fakultas Teknologi Informasi

untuk memperoleh Gelar Sarjana Komputer

Peneliti:

Chandra Sakti Hervilanda (672015145) Ramos Somya, S.Kom., M.Cs

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

2019

1

Perancangan Web Usage Mining

Untuk Analisis Pola Pembelian Pelanggan di Online Shop

1)

Chandra Sakti Hervilanda 2)

Ramos Somya

Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Jl. Dr. O. Hamidjojo 1-10, Kel. Blotongan, Kec. Sidorejo, Salatiga 50715, Indonesia Email: 1) 672015145@student.uksw.edu, 2)ramos.somya@uksw.edu

Abstract

The emergence of new shopping channels led many companies to set up their shops online. In the practice of online shopping there are still many shortcomings, one of which is attracting consumers to buy. The purpose of this study is to provide a module for collecting data on consumer behavior when shopping online. To see the user's access pattern, Web Usage Mining will be implemented. Web Usage Mining is used because it is the only method to find out the access patterns of website users. Consumer behavior in deciding to buy a product becomes a special study of each company before releasing its products to the market. The development of the digital age is increasingly rapid that every company must adjust its marketing strategy by incorporating an online system to sell its products. Online shopping is becoming a habit for some people because of the convenience provided, many people assume that online shopping is one of the means to find the items needed. The results of this study are data browsing patterns that make it easier for online shop owners to monitor consumer online shopping.

Keywords : online shop, web usage mining, online shopping, consumer.

Abstrak

Kemunculan saluran belanja baru membuat banyak perusahaan mendirikan tokonya secara

online. Pada praktek belanja online masih terdapat banyak kekurangan salah satunya adalah

menarik minat konsumen untuk membeli. Tujuan dari penelitian ini adalah menyediakan modul untuk pengumpulan data perilaku konsumen saat berbelanja online. Untuk melihat pola akses pengguna tersebut, maka akan diimplementasikan Web Usage Mining. Web Usage

Mining digunakan karena merupakan metode satu-satunya untuk mengetahui pola akses

pengguna website. Perilaku konsumen dalam memutuskan untuk membeli suatu produk menjadi studi khusus setiap perusahaan sebelum merilis produknya ke pasar. Perkembangan zaman digital semakin pesat bahwa setiap perusahaan harus menyesuaikan strategi pemasarannya dengan memasukkan sistem online untuk menjual produknya. Belanja online menjadi kebiasaan bagi sebagian orang karena kemudahan yang diberikan, banyak orang beranggapan bahwa belanja online adalah salah satu sarana untuk mencari barang-barang yang dibutuhkan. Hasil dari penelitian ini adalah data pola browsing konsumen yang mempermudah pemilik toko online dalam memantau belanja online konsumen.

Kata Kunci : online shop, web usage mining, belanja online, konsumen

___________________________________________________________________________

1

Mahasiswa Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana Salatiga.

2

2

1. Pendahuluan

Kemunculan saluran belanja baru, yaitu melalui media internet, membuat banyak perusahaan mulai mendirikan tokonya secara online. Belanja online dalam prakteknya masih terdapat banyak kekurangan terutama dalam menarik minat konsumen untuk membeli. Beberapa ahli menyatakan bahwa perilaku konsumen toko offline dan toko online tidak jauh berbeda, sehingga para pemasar dapat menggunakan cara yang sama seperti yang dilakukan oleh toko tradisional untuk menarik minat beli konsumen.

Bagi seorang konsumen niat beli terhadap suatu produk muncul dari sebuah keinginan yang disebabkan oleh dampak dari suatu proses pengamatan dan pembelajaran, apabila konsumen mempunyai penilaian positif terhadap produk yang diinginkannya maka konsumen mempunyai niat untuk membeli produk. Niat beli ulang yang tinggi mencerminkan tingkat kepuasan konsumen ketika akan memutuskan untuk memiliki suatu produk. Keputusan itu akan timbul setelah konsumen mencoba produk yang ditawarkan oleh perusahaan, dan kemudian dalam diri konsumen timbul rasa suka maupun rasa tidak suka terhadap produk yang ditawarkan. Rasa suka terhadap produk dapat dirasakan ketika konsumen merasa puas dengan produk itu, dan merasa bahwa memenuhi atau melebihi dari apa yang diinginan oleh konsumen. Dengan begitu produk yang ditawarkan tersebut akan bernilai tinggi dimata konsumen [1].

Mempertahankan pelanggan agar tetap loyal dengan penjual lebih sulit dari pada mencari konsumen yang baru. Oleh sebab itu, penjual yang cerdas mampu memahami perilaku konsumen pada pasar sasarannya agar konsumen tetap melakukan pembelian ulang. Menjadi tujuan pemenuhan keinginan dan kebutuhan konsumen merupakan tercapainya kepuasan yang tinggi. Penjual yang bertujuan untuk memberikan kepuasan yang tinggi kepada konsumennya akan memperkuat posisi usahanya dibenak konsumen. Apabila sudah menjadi prioritas pertama konsumen maka akan menjadi pilihan pertama apabila akan melakukan pembelian diwaktu yang akan datang [2].

Tujuan dari penelitian ini adalah menyediakan modul untuk pengumpulan data perilaku konsumen saat berbelanja online. Untuk melihat pola akses pengguna tersebut, maka akan diimplementasikan Web Usage Mining. Web Usage

Mining digunakan karena merupakan metode satu-satunya untuk mengetahui pola

akses pengguna website.

Dalam penelitian ini akan dilakukan pembuatan aplikasi yang difokuskan untuk mengumpulkan data perilaku konsumen saat melakukan online shopping. Pada pembuatan aplikasi menggunakan php dan mys sql untuk membuat website, serta menambahkan fungsi strtotime sebagai penangkap waktu akses pada saat pengunjung melakukan online shopping pada aplikasi ini.

Supaya tidak melebar pembahasan penelitian ini maka ada batasan – batasan yaitu, yang pertama fokus pada pemodelan sistem e-commerce untuk menangkap data perilaku konsumen, yang kedua tidak membahas security/keamanan, dan yang ketiga tidak membahas transaksi pada online shop.

3

2. Tinjauan Pustaka

Pada penelitian berjudul “Pencarian Pola Akses Pengunjung Toko Online Menggunakan Weighted Graph Web Usage Mining” dilakukan pembuatan

Weighted Graph Web Usage Mining dalam pencarian pola akses pengunjung toko

online. Metode ini meliputi pengumpulan data penggunaan web pada level klien menggunakan antar muka AJAX secara real time, preprocessing untuk menghasilkan basis data traversal dan penemuan pola menggunakan metode

Weighted Frequent Patterns Mining [3]. Hasil dari pengujian menunjukkan

jumlah pola yang dihasilkan Weighted Graph Web Usage Mining berbeda setiap bulan.

Pada penelitian berjudul “Pengaruh Belanja Online Terhadap Perilaku Perjalanan Belanja” dilakukan pembuatan Structural Equation Modeling dalam menggali hubungan antara belanja online dan pengaruhnya terhadap frekuensi perjalanan berbelanja seseorang. Variabel yang digunakan adalah 5 variabel laten eksogen, 3 variabel laten endogen, serta 15 variabel teramati [4]. Hasil dari pengujian menunjukkan bahwa frekuensi mencari informasi di internet berpengaruh positif terhadap perjalanan belanja dan frekuensi belanja online.

Pada penelitian berjudul “Analisis Web Untuk Memahami Perilaku Konsumen Online” dilakukan bagaimana data analisis dapat secara efektif digunakan untuk memahami perilaku konsumen online menggunakan web

analytics [5]. Hasil dari pengujian memahami pola dan hal-hal yang terdapat pada web analisis diharapkan dapat membantu untuk mengembangkan proses bisnis

dan isi serta disain yang perlu dibuat khususnya “store steam powered”.

Perbedaan penelitian ini dengan ketiga penelitian terdahulu yaitu menggunakan pola browsing konsumen. Persamaan penelitian ini dengan ketiga penelitian terdahulu yaitu perilaku konsumen dalam berinteraksi dengan online

shop.

Online Shop adalah suatu proses pembelian barang atau jasa dari mereka

yang menjual melalui internet. Sejak kehadiran internet,para pedagang telah berusaha membuat toko online dan menjual produk kepada mereka yang sering menjelajahi dunia maya (internet). Para pelanggan dapat mengunjungi toko

online(online shop) dengan mudah, nyaman, dan juga dapat melakukan transaksi

dimanapun [6].

Web mining (atau data mining web) adalah proses menemukan hubungan intrinsic (misalkan, informasi yang menarik dan bermanfaat) dari data web, yang

disajikan dalam bentuk teks, link, atau informasi penggunaan. Istilah web mining pertama kali digunakaan oleh Etzioni pada tahun 1996 (pakar data mining); saat ini, banyak konferensi, jurnal, dan buku berfokus pada data mining web. Ini memang area teknologi dan praktik bisnis yang berevolusi secara kontinyu. Gambar di bawah ini adalah tiga area utama web mining: konten web, struktur

4

Gambar 1 Klasifikasi Web Mining[8]

Web Usage Mining artinya penemuan secara otomatis dan analisa dari pola clickstream dan data yang dikumpulkan atau dihasilkan dari kunjungan dan

interaksi user di dalam sebuah Website atau lebih.Tujuannya adalah untuk menangkap, memodelkan, dan menganalisa kebiasaan pola dan profil user yang berinteraksi dengan website. Biasanya hasil dari web usage mining adalah kumpulan halaman, kategori, atau objek yang sering diakses oleh sekelompok

user yang mempunyai minat yang sama [9].

Gambar 2 Web Usage Mining Process [10]

Mengikuti standar proses di dalam Data Mining, Web Usage Mining mempunyai 3 tahap utama, yaitu

Data Processing : Berdasarkan klien, server dan server proxy,

5

sebuah web dan memproses data. Secara otomatis mengubah data mentah untuk digunakan pada proses selanjutnya.

Pattern Discovery (Mencari pola) : Berdasarkan dari data preprocessing,

data mentah yang ada digunakan untuk menemukan pengetahuan dan menerapkan teknik yang akan digunakan pada machine learning yang menggunakan prosedur dari data mining.

Pattern Analysis (Analisa pola) : adalah proses setelah penemuan pola. Pattern Analysis memeriksa apakah pola yang ada pada web benar dan memandu

proses ekstraksi informasi atau pengetahuan dari web [11]. 3. Metode Penelitian

Metode penelitian yang dilakukan melalui tahapan penelitian yang terbagi dalam 5 tahapan, yaitu : 1) Analisis kebutuhan dan pengumpulan data, 2) Perancangan sistem, 3) Perancangan aplikasi / program, 4) Implementasi dan pengujian sistem, serta analisis hasil pengujian, 5) Penulisan laporan hasil penelitian.

Analisis kebutuhan dan pengumpulan data

Perancangan sistem meliputi perancangan proses (UML), perancangan database, perancangan antarmuka

Perancangan aplikasi/program

Implementasi dan pengujian sistem, serta analisis hasil pengujian

Penulisan laporan

Gambar 3 Tahapan Penelitian

Berdasarkan Gambar 3 dapat dijelaskan bahwa tahap pertama adalah analisis kebutuhan dan pengumpulan data. Tahap kedua dilakukan desain perancangan sistem berdasarkan hasil analisis kebutuhan menggunakan UML (Unified Modelling Language) yang terdiri dari use case diagram,

activity diagram, sequence diagram, dan class diagram [12]. Tahap ketiga adalah

perancangan aplikasi/program, yaitu merancang aplikasi sesuai dengan kebutuhan sistem berdasarkan rancangan yang sudah dilakukan. Tahap keempat adalah implementasi dan pengujian sistem serta analisis hasil pengujian. Tahap kelima adalah penulisan laporan hasil penelitian. Tahap ini dilakukan dokumentasi proses dari tahap awal sampai tahap akhir dalam bentuk tulisan ilmiah.

6

Gambar 4 Use Case Diagram Sistem

Gambar 4 merupakan use case diagram dari website candralab

ecommerce. Pada gambar tersebut dijelaskan pengunjung dapat melihat produk,

melihat promo, membeli produk yang dinginkan, membatalkan pembelian produk yang tidak jadi dibeli, dan melakukan transaksi pembelian produk yang ingin dibeli. Untuk pemilik toko online dapat melihat produk, melihat promo, menambah dang mengurangi stok produk, menambahkan promo pada produk, mengelola data pelanggan yang sudah terdaftar pada sistem, mengelola data transaksi yang dilakukan oleh pengunjung, dan melihat data pola akses konsumen yang sudah direkam oleh sistem.

Gambar 5 Class Diagram Sistem

Gambar 5 merupakan model statis dari website menu candralab

ecommerce, pada Gambar 5 terdapat 8 class yang akan digunakan pada

pembangunan website, yaitu class user yang akan memuat data tentang akun

user, class pengelola yang memuat data tentang pengelola user, class tb_cs yang

memuat data aktivtas yang dilakukan pelanggan, class invoice yang memuat data pemesanan pelanggan , class transaksi yang memuat data transaksi pelanggan,

class produk dan class stok yang memuat data tentang produk dan jumlah stok

7

Gambar 6 Activty Diagram Pengunjung

Gambar 6 menjelaskan aktivitas pengunjung pada website candralab

ecommerce. Pengunjung login memilih jenis barang yang dicari, system menerima request dari pengunjung kemudian, database mengeksekusi dengan menampilkan

menu yaitu baju, buku, dan elektronik.

Gambar 7 Sequence Diagram Pengunjung

Gambar 7 menjelaskan flow website yang dibangun, untuk menjalankan

website candralab ecommerce pengunjung terlebih dahulu melakukan akses

dengan cara login menggunakan username dan password yang telah terdaftar pada

database. Menu utama akan tampil jika validasi yang dimasukkan sudah benar,

8

4. Hasil dan Pembahasan

Hasil dan pembahasan semua data pola browsing konsumen dan data pribadi pelanggan yang sudah direkam akan tersimpan di database. Selanjutnya, data ini dapat diolah dan ditampilkan informasinya melalui dashboard yang sudah dibangun.

Gambar 8 Tampilan Pengunjung Saat Login

Pada Gambar 8 dapat dijelaskan bahwa ketika pengunjung login ke dalam

website maka pengunjung akan dapat melakukan view produk untuk melihat detail

produk atau langsung beli untuk memasukkan produk yang diinginkan ke dalam keranjang belanja. Selanjutnya sistem akan merekam aktivitas pengunjung ketika pengunjung menekan button view maupun beli.

Kode Program 1 Perintah Untuk Menentukan Lokasi Waktu 1.date_default_timezone_set("Asia/Jakarta"); 2.cek_status_login($_SESSION['idpelanggan']); 3.include ('chart.inc.php'); 4.// Process actions 5.$chart = $_SESSION['chart']; 6.if (isset($_GET['action'])) 7.{ 8.$action = $_GET['action']; 9.switch ($action) { 10.case 'add' : 11.if ($chart) { 12.$chart .= ',' . $_GET['id']; 13.} else { 14.$chart = $_GET['id']; 15.}

16.$sql = "INSERT INTO tb_cs (id_pelanggan, id_produk) VALUES 17. (".$_SESSION['idpelanggan'].",

18. ".$_GET['id'].")";mysql_query($sql);

Pada Kode Program 1 dijelaskan sebelum menghitung pola browsing konsumen sistem diatur terlebih dahulu waktu dan lokasi berada. Selanjutnya setelah setting waktu dan lokasi proses perekaman data akan sesuai dengan waktu dan lokasi yang sudah ditentukan, kemudian hasilnya akan masuk ke dalam tb_cs,

9 Kode Program 2 Perintah Untuk Merekam Lama Akses

1.$start = date("Y-m-d H:i:s", strtotime($sag['tanggal_akses'])); 2.end = date("Y-m-d H:i:s");

3.seconds = strtotime($end) - strtotime($start);

4.$sql2 = "UPDATE tb_cs set time_access = ".$seconds.", buy='Yes' 5.WHERE id_clickstream=".$sag['id_clickstream']."";

6.mysql_query($sql2);

Kode Program 2 dijelaskan proses merekam data menggunakan fungsi

strtotime sebagai penghitung waktu. Menentukan fungsi waktu dan tanggal akses.

Kemudian membuat penghitungan dalam hitungan second. Untuk setiap waktu terhitung akan langsung masuk ke tabel tb_cs. Status buy „Yes‟, jika pengunjung melakukan pembelian produk dan memberi dan status buy „No‟, jika pengunjung menghapus produk dari keranjang belanja.

Gambar 9 Produk di Dalam Keranjang Belanja

Pada Gambar 9 dapat dijelaskan bahwa produk tersebut telah dipilih pelanggan untuk dibeli, jika pelanggan tidak jadi membeli produk yang dipilih, maka pelanggan menekan button hapus pada produk yang tidak diinginkan. Untuk barang yang akan dibeli pelanggan dapat menekan button checkout untuk melakukan transaksi pembayaran.

Kode Program 3 Perintah Untuk Menambahkan Kode Pesan dan Detail Pesan 1.$kd_transaksi = kd_transaksi();

2.$total_bayar = $_SESSION['totalbayar'];

3.insertToDB($kd_transaksi,$idpelanggan,$total_bayar);

4.$sql = "SELECT tanggal_akses, id_clickstream from tb_cs order by tanggal_akses desc limit 1";

5.$gas = mysql_query($sql); 6.$sag = mysql_fetch_assoc($gas);

7.$start = date("Y-m-d H:i:s", strtotime($sag['tanggal_akses'])); 8.end = date("Y-m-d H:i:s");

9.seconds = strtotime($end) - strtotime($start);

10.$sql2 = "UPDATE tb_cs set time_access = ".$seconds.", buy='Yes' 11.WHERE id_clickstream=".$sag['id_clickstream']."";

12.mysql_query($sql2);

Pada Kode Program 3 dapat dijelaskan bahwa ketika pelanggan menambahkan barang kedalam keranjang belanja maka proses penghitungan data

10

produk, waktu pengaksesan pelanggan pada halaman serta tanggal pengaksesan, dan keterangan membeli produk atau tidak.

Gambar 10 Penghitungan Melakukan View,Checkout, dan Hapus Produk Pada Gambar 10 dapat dijelaskan tampilan penghitungan ketika pelanggan melakukan view, checkout maupun hapus produk. Sesuai gambar terhitung 11 detik, maka akses yang dilakukan konsumen pada tiap halaman di website adalah 11 detik. Waktu terekam dan akan menghitung kembali pada saat konsumen pindah halaman. Sistem akan merekam akses yang dilakukan konsumen yang disebut dengan clickstream data, kemudian hasil data tersebut akan masuk ke dalam database.

Kode Program 4 Perintah Untuk Menampilkan Hasil Clickstream 1.while($rows=mysql_fetch_object($result)){ ?>

2. <tr>

3. <td><?php echo $posisi+$no ?></td>

4. <td><?php echo $rows->nama; ?></td>

5. <td><?php echo $rows->nama_produk; ?></td> 6. <td><?php echo $rows->time_access." detik"; 7. ?></td> 8. <td><?php echo $rows->buy; ?></td> 9. <td><?php echo $rows->tanggal_akses; 10. ?></td> 11. </tr> 12. <?php $no++; } ?> 13. </tbody> 14. </table>

Pada Kode Program 4 dapat dijelaskan bahwa bagian tersebut kode yang menampilkan hasil clickstream data dari perilaku pelanggan dalam penggunaan

online shop. Data yang ditampilkan seperti nama pelanggan, nama produk, time access, buy, dan tanggal akses.

11

Gambar 11 Tampilan Hasil Clickstream

Data yang ditunjukkan pada Gambar 11 merupakan rangkuman

clickstream data produk yang diakses oleh konsumen saat melakukan online shopping. Berdasarkan data ini akan didapatkan informasi rule browsing

pelanggan, termasuk produk-produk mana saja yang sering dikunjungi oleh pelanggan dan produk apa saja yang dibeli dan tidak dibeli. Seperti yang dijelaskan pada gambar, Pelanggan chandra sakti mengunjungi produk buku php selama 6 detik, Kemudian pindah ke halaman produk model 1 selama 5 detik dan mengunjungi kembali produk model 1 selama 14 detik. Pada halaman produk pertama tidak membeli produk dengan status buy „No‟. Di halaman produk kedua membeli produk dengan status buy „Yes‟, dan mengunjungi produk model 1 kembali dan membeli produk tersebut dengan status buy „Yes‟. Pelanggan vino mengunjungi produk buku beginning ardunio selama 9 detik dan pada halaman produk tersebut tidak membeli produk dengan status buy „No‟. Pelanggan ricky mengunjungi produk elektronik iphone 5s selama 7 detik dan pada halaman produk tersebut tidak membeli produk dengan status buy „No‟. Pelanggan excel mengunjungi produk buku makers at work selama 20 detik, Kemudian pindah ke halaman produk baju model 2 selama 3 detik, dan pelanggan excel mengunjungi produk baju model 3 selama 7 detik, Kemudian pada halaman produk pertama membeli produk dengan status buy „Yes‟, halaman produk kedua membeli produk dengan status buy „Yes‟, dan pada halaman produk ketiga tidak membeli produk dengan status buy „No‟. Total time access selama 7 hari yang berhasil direkam oleh sistem adalah 71 detik. Dari total time access tersebut, pemilik toko online dapat melihat produk mana yang paling sering dikunjungi oleh konsumen Selanjutnya, semua data yang sudah dikumpulkan dapat diolah menggunakan

12

Tabel 1 Hasil Pengujian

No Model yang diuji Data Input/Kondisi Hasil yang diharapkan

Hasil Uji Status

1. View Akan

menampilkan detail produk dan merekam lama akses pada laman Dapat menampilkan detail produk dan terhitung akses pada laman Detail produk tampil dan hasil hitung akses masuk ke database Valid 2. Beli Akan memasukkan produk kedalam keranjang belanja dan merekam lama akses pada laman Produk masuk ke keranjang belanja dan terhitung akses pada laman Produk masuk ke dalam keranjang belanja dan hasil hitung akses masuk ke database Valid 3. Hapus Akan menghapus produk didalam keranjang belanja dan merekam lama akses pada laman Produk terhapus dari keranjang belanja dan terhitung akses pada laman Produk terhapus dari keranjang belanja dan hasil hitung akses masuk ke database Valid 4. Checkout Melanjutkan ke transaksi pembayaran sesuai produk yang ingin dibeli dan merekam lama akses pada laman Produk terbeli setelah melakukan transaksi dan terhitung akses pada laman Produk berhasil terbeli setelah menyelesaikan transakiHasil hitung akses masuk ke database Valid

5. Update Menambah atau mengurang jumlah produk yang ingin dibeli Produk dapat ditambah atau dikurangi jumlah pembeliannya Produk dapat ditambah maupun dikurangi jumlah pembeliannya Valid

Berdasarkan hasil pengujian pada Tabel 1, didapatkan hasil jika sistem berjalan dengan baik dan sesuai dengan kebutuhan pengguna. Pengujian ini dilakukan dengan cara langsung praktik pada website. Berdasarkan hasil uji aplikasi ini user friendly atau mudah untuk dioperasikan serta layak digunakan sesuai dengan tujuan dan manfaat dari penelitian yang dilakukan. Dengan mengumpulkan pola akses browsing, maka akan mempermudah pemilik website dalam menganalisis aktivitas penggguna dalam online shopping, serta mengetahui daya tarik konsumen terhadap produk yang ditawarkan di dalam website.

13

Tabel 2 Hasil Pengujian UAT

No Pertanyaan Jawaban User

1 Apakah fungsi aplikasi sudah berjalan dengan baik? Oke, sesuai permintaan Agus Widianto

2 Apakah masih ada yang perlu ditambahkan

Tidak ada, sudah cukup

Agus Widianto

Berdasarkan hasil pengujian pada Tabel 2, merupakan pengujian oleh user, berdasarkan pengujian aplikasi telah berjalan sesuai dengan keinginan user. 5. Simpulan

Berdasarkan penelitian dan pengujian yang dilakukan, maka dapat disimpulkan bahwa pembuatan aplikasi ini adalah untuk keperluan clickstream

data pada online shop dan pengumpulan data aplikasi menggunakan pola browsing konsumen. Untuk pembuatan aplikasi menggunakan php dan my sql,

serta fungsi strotime untuk mencatat waktu akses konsumen online shop. Dalam proses pengumpulan data perilaku konsumen sistem menggunakan pola browsing konsumen untuk merekam aktivitas konsumen pada saat online shopping. Hasil dari pengujian sistem menunjukan bahwa sistem berjalan dengan baik dan dapat merekam pola browsing konsumen.

Penggunaan pola browsing konsumen sangat membantu pemilik website

online shop dalam menganalisis aktivitas pengguna online shop serta menjadi

dorongan bagi pemilik online untuk menawarkan produk yang lebih menarik dengan kualitas terbaik agar konsumen puas dan terus membeli produk yang telah ditawarkan.

6. Pustaka

[1] Reza, Nensy S., Nova R., dan Indah Noviandari. 2018. Pengaruh Perilaku Konsumen E-Commerce, dan Kepercayaan Konsumen, Terhadap Kepuasaan Transaksi Online Shopping.

[2] Fauzanu, Abid, Eko Darwiyanto., dan Gede Agung A.W. 2017. Analisis Web Usage Mining Menggunakan Teknik K-Means Clustering dan Association Rule.

[3] Helmy. 2014. Pencarian Pola Akses Pengunjung Toko Online Menggunakan Weighted Graph Web Usage Mining.

[4] Hendra, Yustina, Elfira Wirza, dan Muhammad Zudhy. 2015. Pengaruh Belanja Online Terhadap Perilaku Perjalanan Belanja.

[5] Supriyadi, Endang. 2015. Analisa Web Untuk Memahami Perilaku Konsumen.

[6] Gokhan, Silahtaroglu, and Hale Donertasli. 2015. Analysis and Prediction of E-Costumers Behavior by Mining Clickstream Data.

[7] Perner, Petra. 2008. Advanced In Data Mining.

[8] Li, Yeqling. 2017. Research On Technology, Algorthm and Application of Web Mining.

14

[9] Hindito, Hendri. 2016. Teori Text Mining dan Web Mining, (https://sis.binus.ac.id/2016/12/15/teori-text-mining-dan-web-mining/. Diakses 22 Juli 2019).

[10] Vanagan, Chintan R. , Nirali N. Madhak, Trupti M. Kodinariya, and Jayesh N. rethod. 2013. Web Usage Mining, A Review on Process, Methods and Techniques.

[11] Sristava, Jaideep, Robert C., Mukund D., and Pang Ning Tan. 2000. Web Usage Mining: Discovery and Applications of Usage Patterns from Web Data.

[12] Kurniawan, Tri A. 2018. Pemodelan Use Case (UML): Evaluasi Terhadap Beberapa Kesalahan Dalam Praktik.