KOMBINASI ALGORITMA AGGLOMERATIVE CLUSTERING DAN K-MEANS UNTUK SEGMENTASI PENGUNJUNG WEBSITE

YUDHA AGUNG WIRAWAN

Informasi Umum

Kode

15.04.391

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining-clustering Analysis

Informasi Lainnya

Abstraksi

Clustering merupakan salah satu bagian penting dalam penggunaan web mining untuk segmentasi pengunjung. Tindakan ini sangat penting untuk modifikasi web personalisasi. Dalam tulisan ini, kami melakukan pengelompokan pengunjung web menggunakan kombinasi metode clustering hirarki dan non-hirarki terhadap data log web i-gracias. Metode pengelompokan hirarki digunakan untuk menentukan jumlah cluster, dan metode pengelompokan non-hirarki digunakan dalam membentuk kelompok. Tahapan analisis cluster didahului oleh pra-pengolahan data dan analisis faktor. Dengan pendekatan ini, pemilik web lebih efektif dalam menemukan pola akses pengunjung web dan dapat memiliki pengetahuan baru tentang segmentasi pengunjung. Dari pengujian yang diterapkan pada data log web i-gracias, beberapa kelompok pengunjung web dihasilkan. Di antara beberapa cluster, terdapat jumlah cluster memiliki jumlah anggota terbesar pada setiap skenarionya kita dapat mengetahui menu apa saja yang diakses. Informasi ini dapat berguna bagi manajemen web untuk memperhatikan pola perilaku anggotanya cluster yang memiliki anggota terbanyak. Jumlah cluster yang dihasilkan adalah 2-5 cluster. Dapat diketahui dari cluster tersebut yang memiliki anggota cluster yang paling banyak. Terdapat beberapa hari dimana banyak menu yang diakses oleh user. Pada minggu 1, lebih cenderung pada menu yang diakses adalah tentang menu Registrasi, baik itu dalam tagihan pembayaran, keterlambatan registrasi dan proses registrasi. Pada minggu 2, user cenderung dominan pada menu silabus dan akademik mahasiswa baik kehadiran maupun jadwal mahasiswa. Sementara pada minggu 3 user tidak cenderung pada beberapa menu saja melainkan banyak menu yang di kunjungi, namun pada minggu 3 ini hal yang paling diperhatikan adalah pada menu tentang Tugas Akhir/Proyek Akhir. Pada minggu 4 yang paling diperhatikan adalah pada menu tentang akademik mahasiswa baik kehadiran, presensi maupun jadwal.

Kata kunci : Clustering, Data Mining, Data log web, Segmentasi.