Anda di halaman 1dari 6

Contoh Kasus Distribusi Poisson dalam Jurnal Internasional

Pengukuran Probabilitas dari prediksi pola Navigasi


menggunakan Analisis Distribusi Poisson

Dikutip dari: Dr. V. Valli Mayil, Ms. R. Rooba, dan Ms. C. Parimala



DISUSUN OLEH:

ADITYA LUKY W. (M0513002)
BARA OKTA PRATISTA J. (M0513012)
IRENE PATASIK (M0513023)
NURMA AYU W. (M0513035)
RIFQI IMADUDDIN IRFAN (M0513040)





JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
SURAKARTA
BAB I
PENDAHULUAN

Abstrak
Web Usage Mining adalah penerapan teknik data mining untuk repositori data
web yang besar untuk mengekstrak pola penggunaan. Setiap server web
menyimpan log dari semua transaksi antara server dan klien. Log data yang
dikumpulkan oleh server web berisi informasi tentang setiap klik dari pengguna ke
dokumen web dari situs. Informasi log yang berguna perlu dianalisis dan
diinterpretasikan untuk memperoleh pengetahuan tentang preferensi pengguna
yang sebenarnya dalam mengakses halaman web. Pada jurnal ini membahas
metode statistik analisis distribusi Poisson untuk mengetahui probabilitas urutan sesi
yang lebih tinggi yang kemudian digunakan untuk menguji kinerja aplikasi web.
Melakukan data mining pada log server web melibatkan penentuan urutan
akses yang sering terjadi. Sebuah statistik distribusi poisson menunjukkan
probabilitas frekuensi kejadian tertentu ketika probabilitas rata-rata kejadian tunggal
diketahui. Distribusi Poisson adalah fungsi diskrit yang digunakan dalam jurnal ini
untuk mengetahui frekuensi probabilitas halaman tertentu yang dikunjungi oleh
pengguna.

Pengenalan
Penilaian kuantitatif dari perilaku navigasi adalah tugas mendasar untuk
memahami fenomena navigasi web. Ukuran kuantitatif dari perilaku pengguna akan
memberikan karakterisasi yang lebih baik navigasi pengguna dan ini selanjutnya
akan menyarankan cara yang lebih baik untuk merancang struktur situs web.
Operasi kuantitatif dapat dilakukan pada informasi sesi yang memprediksi
karakterisasi penting dari perilaku navigasi.

Metodologi
Para penulis jurnal ini mengadopsi pendekatan teori matriks dalam
pemodelan data log web dan mengusulkan satu set operator aljabar, yang secara
kolektif disebut operasi navigasi, yang dapat digunakan untuk memanipulasi
navigasi matriks. Informasi penggunaan web dapat dihasilkan dari file log melalui
proses pembersihan, dimana satu set sesi navigasi mewakili jalur yang terbentuk
selama proses navigasi.
Pada jurnal ini berlaku statistik, jaringan, dan metode analisis grafik deskriptif
pada data perilaku pengguna untuk mendapatkan profil pengguna. Untuk analisis
grafik, file log pertama dikonversi ke matriks adjacency yang merepresentasikan
pola penggunaan dari sebuah situs web untuk pengguna tertentu. Matriks tersebut
menampilkan halaman yang diminta oleh pengguna dan bagaimana pengguna
sampai ke halaman yang berbeda.
Penulis E. Pitkow & P. Pirolli menggunakan algoritma urutan terpanjang yang
diulang untuk memprediksi perilaku pengguna dalam melakukan surfing dan Wang
& Zaane menggunakan sebuah algoritma keselarasan urutan untuk cluster sesi
navigasi web pengguna. Urutan sesi direpresentasikan dalam model Markov dan
berbagai pengukuran probabilitas terhadap pola navigasi dianalisis dalam model
Markov.

BAB II
PEMBAHASAN

Metrik Navigasi Sederhana
Metrik navigasi sederhana terdiri atas dwelling time dari setiap halaman web
dalam satu sesi. Analisis pekerjaan dimulai dengan metode statistik dan menghitung
frekuensi setiap halaman dan waktu yang dihabiskan pada setiap halaman. Faktor
waktu adalah faktor yang paling bermakna dalam analisis dan korelasi positif dari
waktu yang dihabiskan pada halaman web dan minat user telah diidentifikasi masuk.
Pekerjaan ini mengukur dwell time antara masing masing halaman dalam sesi dan
total waktu yang dihabiskan pada setiap sesi.

Evaluasi Probabilitas File Log menggunakan Distribusi Poisson
Proses Poisson adalah proses stokastik yang terdiri dari kumpulan (random)
titik dalam waktu. Contoh dari proses Poisson adalah titik waktu di mana pelanggan
tiba di toko. Konsep proses Poisson dapat digeneralisasi untuk proses dengan titik
di sembarang set (bukan titik dalam waktu).
Distribusi Poisson adalah distribusi probabilitas diskrit yang menyatakan
kemungkinan dari sejumlah peristiwa yang terjadi dalam periode waktu yang tetap
jika peristiwa ini terjadi dengan tingkat rata rata yang diketahui dan secara
independen dari waktu sejak peristiwa terakhir. Hal ini memberikan probabilitas
teoritis dan frekuensi teoritis variabel diskrit. Distribusi ini dapat diterapkan ketika
kejadian peristiwa itu harus dari dua alternatif seperti keberhasilan atau kegagalan.
Hal ini diterapkan ketika jumlah jejak 'n' sangat besar. Contoh peristiwa yang dapat
dimodelkan sebagai distribusi Poisson meliputi: jumlah panggilan telepon di call
center per menit, berapa kali web server diakses per menit, dan jumlah mutasi pada
hamparan tertentu dari sebuah DNA setelah sejumlah radiasi.
Distribusi probabilitas dari variabel acak X mewakili jumlah keberhasilan yang
terjadi dalam interval waktu tertentu atau daerah tertentu dari ruang yang diberikan
dalam sebuah rumus :
()

, dimana x = 0, 1, 2, 3
e adalah dasar dari logaritma natural (e = 2.71828). Variabel 'x' adalah jumlah
aktual keberhasilan yang dihasilkan dari percobaan. Variabel 'm' adalah jumlah rata
rata keberhasilan dalam interval waktu tertentu atau daerah ruang. Distribusi
poisson diterapkan untuk data log web, karena mengandung volume hits yang besar
dari halaman web. Metode ini digunakan untuk mencari ukuran probabilitas setiap
halaman yang dikunjungi terhadap beberapa kali yang terdapat dalam log web.

Hasil Eksperimental
Tujuan dalam jurnal ini adalah untuk menemukan probabilitas kemunculan
setiap halaman web menggunakan teknik probabilitas poisson. Metode ini
menemukan kemungkinan jumlah halaman yang terjadi dalam periode waktu yang
tetap.
Percobaan dilakukan pada empat hari transaksi log web dari Kongu Arts and
Science College web server dari 14.10.07 sampai 17.10.07 dikumpulkan dan
dilakukan pemrosesan awal dengan kode pembersihan data. Catatan log yang
dibersihkan dikonversi dalam sesi format urutan yang berisi <nomer sesi, urutan
halaman, jumlah halaman web dalam sesi>.
Berikut tabel 1 menunjukkan rincian sesi transaksi log web. Dalam rangka
untuk mencari probabilitas poisson, hal tersebut memerlukan dalam penemuan
frekuensi 1,2,...n kejadian waktu dari setiap halaman web di setiap sesi dalam
jangka waktu tertentu. Menggunakan distribusi Poisson, frekuensi yang diharapkan
4 kali terjadi dari setiap halaman web dihitung. Hasil probabilitas poisson ditunjukkan
dalam tabel 1 sebagai berikut.

Hasil pada tabel 2 menunjukkan probabilitas terjadinya semua halaman web
dari situs web www.kasc.ac.in. Entri pada tabel 2 menunjukkan bahwa 1 kali
terjadinya hit halaman magazine.html tersedia di dua sesi yang berbeda. Frekuensi
1 kali, 2 kali, dan 3 kali kejadian dari setiap halaman di situs tersebut dilaporkan
dalam tabel 4.2. Metrik poisson ini memberikan kemungkinan terjadinya 4 kali dari
setiap nilai halaman dan dilaporkan dalam tabel 2. Grafik pada gambar 1
menunjukkan kemungkinan terjadinya halaman web dalam situs web
www.kasc.ac.in. Hasil grafik menunjukkan metrik probabilitas yang dapat
memprediksi perilaku navigasi dari pengguna web.


BAB III
PENUTUP

Kesimpulan
Metrik yang tepat dapat memberikan karakterisasi yang berguna dari web
pengguna perilaku navigasi dan dapat mendiagnosa berbagai masalah.
Kemampuan untuk memprediksi kemungkinan kejadian dengan presisi akan sangat
berguna dalam praktek. Pada jurnal ini mengusulkan analisis probabilitas file log
web menggunakan distribusi Poisson. Empat hari transaksi web log dari 14.10.07
sampai 17.10.07 dari Kongu Arts and Science College web server yang telah
dikumpulkan untuk analisis probabilitas Poisson. Pendekatan ini menemukan
probabilitas dan frekuensi dari melihat setiap halaman di situs web. Angka 4.1
menunjukkan bahwa halaman web "magazine.html", "course.html",
"biodept/bio.html", "aicte.html", "phdhostory.html", "mphilecon.html",
"cspgdept/mphilcs.html" memiliki lebih banyak nilai probabilitas. Oleh karena itu,
probabilitas kemunculan halaman ini di masa mendatang lebih tinggi dari halaman
lain dalam situs web.