PEMANFAATAN WEB USAGE MINING DALAM PENGEMBANGAN APLIKASI E-COMMERCE

Kartina Diah KW

Abstract


Proses bisnis pada mulanya diperoleh dari tahapan analisis dengan melakukan requirement elicitation pada tahapan pengembangan aplikasi. Kesulitan melakukan requirement elicitation menjadi tantangan pada saat melakukan pengembangan aplikasi e-commerce, sedangkan proses bisnis e-commerce menjadi semakin kompleks untuk menyesuaikan dengan kebutuhan pelanggan yang semakin kompleks. Hal ini mengakibatkan pekerjaan analisis dalam SDLC membutuhkan solusi yang tepat agar proses bisnis dapat dihasilkan dengan sebisa mungkin meminimalisasi tahapan analisis namun tetap merangkum seluruh kebutuhan pengguna aplikasi e-commerce. Makalah ini mengusulkan alternatif solusi untuk menghasilkan sebuah model proses bisnis aplikasi ecommerce dari pola akses pengunjung aplikasi ecommerce menggunakan teknik web usage mining yang digunakan untuk mengekstraksi pola yang berasal dari usage data yaitu data log. Teknik yang digunakan untuk melakukan analisa terhadap data log adalah frequence sequence mining. Pola yang dihasilkan dari frequent sequence menunjukkan pola urutan aktivitas pelanggan web e-commerce ketika melakukan aktivitas bisnis berdasarkan waktu kunjungan yang kemudian dimodelkan menjadi sebuah model proses bisnis ecommerce. Model proses yang dihasilkan menunjukkan bahwa tahap analisa dalam SDLC dapat diganti dengan WUM sehingga pengembangan aplikasi e-commerce dapat dilakukan tanpa melakukan requirement elicitation.  


Full Text:

PDF

References


J. Lu and S. S. Gokhale, “Resource Provisioning in an Ecommerce Application ∗,” 10th IEEE Conf. E-Commerce Technol. Fifth IEEE Conf. Enterp. Comput. E-Commerce EServices, pp. 209–214, 2008.

N. H. Rawi, M. A. Bakar, R. Bahari, and A. M. Zin, “Development Environment for Layout Design of e-Commerce Applications Using Block-Based Approach,” Int. Conf. Electr. Eng. Informatics, no. July, 2011.

A. M. Hickey and A. M. Davis, “Elicitation technique selection: how do experts do it?,” J. Light. Technol., pp. 169–178, 2003.

H. A. Schmid and G. Rossi, “Modeling and Designing Processes in E-Commerce,” IEEE Internet Comput., no. February, pp. 19– 27, 2004.

R. Iváncsy and I. Vajk, “Frequent Pattern Mining in Web Log Data,” Acta Polytech. Hungarica, vol. 3, no. 1, pp. 77–90, 2006.

N. Kaur, “EXPLORATION OF WEBMINER SYSTEM,” Int. J. Res. IT Manag., vol. 2, no. 2, pp. 239–248, 2012.

R. Kosala, B.- Heverlee, and H. Blockeel, “Web Mining Research : A Survey,” ACM SIGKDD Explor. Newsl., vol. 2, no. 1, 2000.

M. Gomes, “Web Structure Mining : An Introduction,” IEEE Int. Conf. Inf. Acquis., pp. 590–595, 2005.

D. M. Rathod, “A Review On Web Mining,” Int. J. Eng. Res. Technol., vol. Vol. 1, no. 2, April 2012, 2012.

Y. Wang, “Web Mining and Knowledge Discovery of Usage Patterns,” CS748T Proj. (Part I), no. Part I, pp. 1–25, 2000.

J. Srivastava, R. Cooley, M. Deshpande, and P. Tan, “Web usage mining: discovery and applications of usage patterns from Web data,” ACM SIGKDD Explorations Newsletter, pp. 12–23, 2000.

R. Cooley, B. Mobasher, and J. Srivastava, “Data Preparation for Mining World Wide Web Browsing Patterns,” Knowl. Inf. Syst., vol. 1, no. 1, pp. 5–32, Jul. 2013.

M. Han, J., Kamber, Data mining: concept and techniques. Morgan Kaufmann Publisher, 2000.

R. Cooley, B. Mobasher, and J. Srivastava, “Data Preparation for Mining World Wide Web Browsing Patterns,” Knowl. Inf. Syst., vol. 1, no. 1, pp. 5–32, Jul. 2013.

L. K. J. Grace and D. Nagamalai, “Analysis Of Web Logs And Web User In Web Mining,” arXiv Prepr. arXiv1101.5668., vol. 3, no. 1, pp. 99–110, 2011.

P. Patil and U. Patil, “Preprocessing of web server log file for web mining,” World J. Sci. Technol., vol. 2, no. 3, pp. 14–18, 2012.

J. Cooley, Robert.,Srivastava, “Web Usage Mining:Discovery and Application of interesting patterns from web data,” University of Minnesota, Minnesota, 2000.

Q. Zhao, “Sequential Pattern Mining : A Survey,” ITechnical Rep. CAIS Nayang Technol. Univ. Singapore, no. 2003118, 2003.

R. Agrawal and R. Srikant, “Mining sequential patterns,” Proc. Elev. Int. Conf. Data Eng., pp. 3–14, 1995.

M. J. Zaki, “SPADE : An Efficient Algorithm for Mining Frequent Sequences,” Mach. Learn., vol. 42.1–2, pp. 31–60, 2001.

J. Pei, J. Han, B. M. Helen, C. Science, C. V. A. E-mail, Q. Chen, and U. Dayal, “PrefixSpan : Mining Sequential Patterns Efficiently by Prefix-Projected Pattern Growth,” EEE 29th Int. Conf. Data Eng., 2013.


Refbacks

  • There are currently no refbacks.