ABSTRAKSI: Seiring dengan semakin berkembangnya konten informasi pada World Wide Web (WWW), maka dalam e-learning juga mengikuti perkembangan tersebut. Strategi pengembangan e-learning pada dasarnya adalah dengan melakukan strategi pengembangan web. Suatu web memiliki banyak informasi yang tersembunyi didalamnya, salah satunya adalah dalam web server log. Informasi dalam web sever log ini bisa menjadi sumber pengetahuan yang menarik dimana web usage mining dapat diterapkan untuk mendapatkan berbagai pengetahuan yang bermanfaat untuk mengembangkan e-learning tersebut.
Dalam tugas akhir ini, teknik web usage mining digunakan untuk memprediksi aktivitas user dalam melakukan penjelajahan e-learning. Metode yang digunakan dalam memecahkan permasalahan tugas akhir ini adalah dengan menggunakan Markov Chain Model (MCM). Hal ini dikarenakan MCM merupakan salah satu metode learning yang menggunakan nilai diskret probabilitas dari data sebelumnya.
Hasil bobot traversal dalam link graph yang terbentuk pada tahap training akan digunakan untuk menemukan nilai probabilitas perpindahan dari suatu konten ke konten berikutnya yang direpresentasikan dalam matriks probabilitas transisional. Kemudian nilai ini akan digunakan dalam memprediksi langkah user untuk konten selanjutnya. Semakin besar nilai probabilitas perpindahan antarkonten, maka peluang user dalam memilih suatu konten tersebut juga semakin besar. Hasil pengujian memperlihatkan bahwa tingkat akurasi prediksi kemunculan konten untuk bulan Mei dan Juni 2008 adalah 83.56% dan 81.78%, sedangkan untuk hasil pengukuran tingkat akurasi urutan konten yang dihasilkan adalah 86.44% untuk bulan Mei dan 87.39% untuk bulan Juni 2008.Kata Kunci : web server log, web usage mining, discret probability, markov chainABSTRACT: On the same way with the information content decrease in world wide web (WWW), e-learning has follow the decrease too. The e-learning strategy basically is done by doing web developing strategy. A web has many hidden information inside, one of them is in web server log. The information in this web server log could be an interesting knowledge sources which web usage minning can be applied to get any useful information to develop the e-learning.
In this final task, the web usage minning technique is used to predict user activity in e-learning browsing. The method that used to solve the problem in this final task is Markov Chain Model (MCM). It because of MCM is one of the method that using probability discrete value from the previous data.
The traversal value result in link graph that formed at training step will be used to find the movement probability value from one content to the next content which represented in transitional probability matrices. Then, this value will be used to predict the user step for the next content. The bigger movement probability value from one content to the next content, will make the user probability in choosing that content is bigger too. The results of the experiment describe that prediction accuration lable of contents frequency for May and June 2008 is 83.56% and 81.78%, whereas the result of content sequence accuration level is 86.44% for May and 87.39% for June 2008.Keyword: web server log, web usage mining, discret probability, markov chain