Saat ini, perkembangan data web di internet semakin besar dan pertumbuhan e-commerce semakin meningkat. Situs e-commerce dengan konten yang serupa banyak ditemui user di internet. Persaingan yang cukup ketat membutuhkan usaha tertentu untuk menarik perhatian setiap user dengan pelayanan yang sesuai dengan kecenderungan/preferensi masing-masing user. Personalization menjadi satu hal yang sangat penting dalam meningkatkan experience user saat melakukan aktivitas di suatu website termasuk situs-situs e-commerce yang berdampak pada kepuasan dan kenyamanan user dalam melakukan aktivitas di suatu website[1].
Web page prediction merupakan suatu classification problem yang mampu memprediksi next page yang akan dikunjungi user berdasarkan history dari page-page yang dikunjungi sebelumnya. Page prediction dapat digunakan sebagai personalization sebuah web, masukan untuk pengurangan waktu respon server dengan strategi prefetching dan caching yang sesuai. Page prediction juga dapat digunakan sebagai pedoman untuk menambahkan recommendation system[2], meningkatkan design dari aplikasi suatu web, dan salah satu bahan masukan bagi e-commerce untuk menghandle isu bisnis seperti customer attraction, customer retention, cross sales dan customer departure.
Selama ini Markov model termasuk variasi didalamnya seperti K-th order Markov model telah dikenal dengan efisiensi dan performanya dalam menghasilkan prediksi. Dalam penelitian ini sebuah modifikasi dilakukan dengan tujuan meningkatkan akurasi page prediction yakni menggunakan kombinasi Markov model dan Association rule mining(ARM). Kemunculan zero probability pada model training menyebabkan ketidakmampuan Markov model mengeluarkan prediksi maka untuk mengatasi kemungkinan kegagalan prediksi dari Markov model, digunakanlah teknik Association rule mining(ARM) yang membaca history access page user dan state session diperiksa lebih banyak untuk menghasilkan rule yang lebih general. Rule yang didapat dari ARM inilah yang akan digunakan untuk menghasilkan prediksi ketika Markov model tidak menghasilkan prediksi yang optimal, sehingga akurasi dari prediction model hasil penggabungan dua teknik ini bisa lebih meningkat.
Kata Kunci : Web Page Prediction, E-commerce, K-th order Markov model, Association rule mining