REVIEW PAPER DATA PRE-PROCESSING

CONTOH KASUS FORECASTING DAN PENYELESAIAN

DALAM MS EXCEL

Oleh :
SONALITA WIGUNA
5302413052
DATA MINING ROMBEL 2

Dosen Pengampu : Aryo Baskoro U, S.T, M.T

Ahmad Najibullah, S.T, M.IT
Kuntoro Adi Nugroho, S.T, M.Eng

PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS NEGERI SEMARANG
September, 2015

REVIEW PAPER
Preprocessing Data Web Log Untuk Kluster Pengguna Web Menggunakan
Algoritma K-Means
Yuhefizar, Yoyon K Suprapto, Mochamad Hariadi, I Ketut Eddy P.
Prodi Manajemen Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Padang,
Pada

paper Preprocessing Data Web Log Untuk Kluster Pengguna Web

Menggunakan Algoritma K-Means penulis menjelaskan bahwa telah dilakukan

perancangan sistem untuk mendapatkan pola tingkah laku pengunjung website agar
pengguna website dapat dikelompokan dan digunakan untuk berbagai aplikasi website.
Pre-processing Web Log menggunakan Web Minning, Web Usage Mining,
Algoritma K-Means. Yang dimaksud Web mining merupakan topik khusus dari ranah
data mining untuk menemukan knowledge dari data web. Web mining terdiri atas tiga
kategori, yaitu
1. Web Content Mining
2. Web Structure Mining
3. Web Usage Mining
Web Content Mining adalah proses untuk menemukan knowledge dari konten
sebuah website, yaitu dari teks, gambar, data audio, data video maupun data lainnya.
Area web content mining ini sering juga disebut dengan text mining karena konten
berupa teks yang paling banyak di teliti. Web Structure Mining adalah kegiatan untuk
menemukan knowledge dari data link (hyperlink) sebuah website. Kajian web
structure mining banyak ke arah web graph sehingga menghasilkan semacam ringkasan
terstruktur tentang informasi dari sebuah halaman web. Web Usage Mining merupakan
kegiatan untuk memperoleh knowledge dari data web log sebuah website. Data web
log ini berisi informasi transaksi dari pengguna sebuah website. Data transaksi ini
tersimpan secara otomatis pada web server, proxy server atau browser log.
K-Means merupakan salah satu metode data clustering dengan mempartisi data
yang ada menjadi beberapa cluster/kelompok, sehingga data yang memiliki karakteristik
yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai
karakteristik yang berbeda dikelompokkan ke dalam cluster yang lain.
Data web log yang dibahas pada paper ini adalah data web log yang berasal dari
web server. Format standar data web log dari apache web server. Data web log dari web

server yang berbentuk single file di ekstrak dan di konversi menjadi field -field
database. Proses konversi dilakukan dengan memanfaatkan software pengolah data
spreadsheet dan aplikasi PHPMyAdmin. Data log diakses menggunakan software
spreadsheet, kemudian dilakukan proses memisahkan data menjadi kolom. Data ini
kemudian di impor ke aplikasi PHPMyAdmin menjadi sebuah database. Data cleaning
adalah proses membersihkan data dari item data yang tidak memberikan informasi
berguna dalam analisis selanjutnya. Item data yang dihapus adalah file style (.css, .js),
file gambar (.jpg, .gif, .jpeg, dll), file audio video (.wav, .avi, .wmf, dll). Item data
tersebut tidak memberikan informasi yang bermanfaat terhadap analisa pola tingkah
laku dari pengguna website. Pageview identification adalah proses dalam menentukan
halaman web mana saja yang diakses dan siapa saja yang mengakses halaman web
tersebut. User identification adalah proses menentukan interaksi user pada website serta
membedakan interaksi antar user. Untuk keperluan cluster pengguna web, dilakukan
user identification dengan menghitung hits kunjungan user pada halaman website
dengan algoritma.
Dari paper Preprocessing Data Web Log Untuk Kluster Pengguna Web
Menggunakan Algoritma K-Means dapat disimpulkan bahwa data preprocessing
merupakan bagian yang sangat penting dalam proses website usage mining. Kualitas
dari proses website usage mining sangat ditentukan oleh ketersediaan data yang valid
dan akurat. Oleh karena itu proses ini membutuhkan waktu yang lama.

CONTOH KASUS FORECASTING DAN PENYELESAIANNYA

SOAL : Sebuah ikatan mahasiswa derah mengadakan pendataan mahasiswa

daerahnya.berikut peramalan yang diadapatkan dari berbagai metode forecasting
DATA JUMLAH MAHASISWA CIAYUMAJAKUNING UNNES
(E.COM)
tahu period
jumlah
n
e
mahasiswa
perkiraan tahun depan
200
7
1
65
200
8
2
76
200
9
3
45
201
0
4
67
201
1
5
89
201
2
6
79
201
3
7
86
201
4
8
70
201
5
9
93
201
6
10

Exponentian Smothing

Moving Average