Implementasi Log Analisis Menggunakan Jaringan Saraf Tiruan Untuk Memprediksi Perilaku Pengguna Internet

Main Article Content

Nurlindasari - Tamsir Nirwana - -

Abstract

Analisis Log didefinisikan sebagai kegiatan menganalisa data yang terkumpul dalam log transaksi untuk menyelidiki informasi sesuai yang kita cari. Hasil analisis log ini dapat membantu kita dalam meningkatkan pelayanan kepuasan konsumen atau user yang terdapat dalam suatu instansi/ institusi. Pihak institusi mampu menginformasikan mengenai siapa saja yang memiliki karakter kunjungan web yang cenderung sama berdasarkan histori kunjungan web di internet. Histori kunjungan web ini bisa kita temukan di file squid log. Metode JST ART-2 mampumelakukan clustering terhadap user yang memiliki karakteristik kunjungan web yang sama. Kualitas clustering dari JST ART-2 ini dapat kita hitung menggunakan metode silhoutte coefficient. Setelah melakukan penghitungan kualitas clustering dan memilih nilai parameter alpha yang kecil serta nilai rho yang mendekati 1 maka hasilnya yaitu sekitar 0.956025957. Nilai kualitas ini termasuk dalam rentang 0.71-1 pada tabel referensi silhouette coefficient. Ini menunjukkan bahwa struktur cluster yang kuat sudah ditemukan.

Downloads

Download data is not yet available.

Article Details

Section
Articles

References

[1] Bernard J. Jansen, 2006, Search log analysis: “What it is, what's been done, how to do it”.
[2] Michael Stal. Senior Principal Engineer. 2005. The Programming Language Ruby. Siemens Corporate Technology, CT SE 2.
[3] Suyanto, ST., MSc., 2008. Soft Computing: MembangunMesinBer-IQ Tinggi. Bandung: Penerbit Informatika Bandung.
[4] Bintang, Samiaji. 2002. Analisa Peramalan Menggunakan Jaringan Syaraf Tiruan Adaptive Resonance Theory: Studi Kasus Pelanggan Telepon Seluler di Indonesia. Tugas Akhir. Bandung: STT Telkom.
[5] Suyanto, ST., MSc., 2007. “Artificial Intelligence: Searching, Reasoning, and Learning”. Bandung: PenerbitInformatika Bandung.
[6] Carpenter, G. A., &Grossberg, S. (1987b). ART-2: Self- organization of stable category recognition codes for analog input patterns. Applied Optics, 26, 4919-4930.
[7] L. Kaufman, and P.J. Rousseeuw. (1999). “Finding Groups in Data: an Introduction to Cluster Analysis”. John Wiley & Sons.