Cover Image

Analisis dan Implementasi Algoritma K-Means dan LVQ (Learning Vector Quantization) pada Web Usage Mining(Studi Kasus Tuneeca Online Store)

Main Author: TAUFIQUR RAHMAN AZIZ
Format: Bachelors
Terbitan: Universitas Telkom, S1 Teknik Informatika , 2014
Subjects:
WEB DATABASE
Online Access: https://openlibrary.telkomuniversity.ac.id/pustaka/65653/analisis-dan-implementasi-algoritma-k-means-dan-lvq-learning-vector-quantization-pada-web-usage-mining-studi-kasus-tuneeca-online-store-.html
ctrlnum 14.04.1018
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title>Analisis dan Implementasi Algoritma K-Means dan LVQ (Learning Vector Quantization) pada Web Usage Mining(Studi Kasus : Tuneeca Online Store)</title><creator>TAUFIQUR RAHMAN AZIZ</creator><subject>WEB DATABASE</subject><description>Web usage mining bertujuan untuk menangkap dan memodelkan pola perilaku dari pengunjung website. Pola perilaku tersebut dapat digunakan untuk meningkatkan pemahaman mengenai perilaku dari segmen-segmen pengunjung website yang berbeda sebagai acuan dalam perbaikan kualitas website dan mendapatkan feedback dari pengguna untuk memodifikasi website tersebut. Dalam tugas akhir ini, web server log dari Tuneeca Online Store akan diproses untuk mendapatkan informasi mengenai aktifitas user dalam mengakses pages yang terdapat pada website. Tuneeca Online Store merupakan sebuah website e-commerce yang menjual-belikan produk-produk busana muslim modern. Dengan mengetahui aktivitas user pada tuneeca, dapat diketahui sejauh mana pemanfaatan website e-commerce tersebut dalam menunjang proses jual-beli. Dalam tugas akhir ini, web server log diproses melalui tahap preprocessing, kemudian dilakukan tahap clustering menggunakan algoritma K-Means dan classification menggunakan algoritma LVQ pada web usage mining. Clustering terbaik pada data log tuneeca terdapat pada k=8 dengan nilai SSE 30,45 dan Silhoutte Coefficient 0,99 dan Classification dengan akurasi tertinggi yaitu 88,29% dengan menggunakan parameter learning rate 0,07 dan maksimum epoh 40. Kata kunci : web usage mining, clustering, classification, k-means, LVQ</description><publisher>Universitas Telkom, S1 Teknik Informatika</publisher><date>2014-01-01</date><type>Thesis:Bachelors</type><identifier>https://openlibrary.telkomuniversity.ac.id/pustaka/65653/analisis-dan-implementasi-algoritma-k-means-dan-lvq-learning-vector-quantization-pada-web-usage-mining-studi-kasus-tuneeca-online-store-.html</identifier><language>Indonesia</language><recordID>14.04.1018</recordID></dc>
format Thesis:Bachelors
Thesis
author TAUFIQUR RAHMAN AZIZ
title Analisis dan Implementasi Algoritma K-Means dan LVQ (Learning Vector Quantization) pada Web Usage Mining(Studi Kasus : Tuneeca Online Store)
title_sub Tuneeca Online Store)
publisher Universitas Telkom, S1 Teknik Informatika
publishDate 2014
topic WEB DATABASE
url https://openlibrary.telkomuniversity.ac.id/pustaka/65653/analisis-dan-implementasi-algoritma-k-means-dan-lvq-learning-vector-quantization-pada-web-usage-mining-studi-kasus-tuneeca-online-store-.html
contents Web usage mining bertujuan untuk menangkap dan memodelkan pola perilaku dari pengunjung website. Pola perilaku tersebut dapat digunakan untuk meningkatkan pemahaman mengenai perilaku dari segmen-segmen pengunjung website yang berbeda sebagai acuan dalam perbaikan kualitas website dan mendapatkan feedback dari pengguna untuk memodifikasi website tersebut. Dalam tugas akhir ini, web server log dari Tuneeca Online Store akan diproses untuk mendapatkan informasi mengenai aktifitas user dalam mengakses pages yang terdapat pada website. Tuneeca Online Store merupakan sebuah website e-commerce yang menjual-belikan produk-produk busana muslim modern. Dengan mengetahui aktivitas user pada tuneeca, dapat diketahui sejauh mana pemanfaatan website e-commerce tersebut dalam menunjang proses jual-beli. Dalam tugas akhir ini, web server log diproses melalui tahap preprocessing, kemudian dilakukan tahap clustering menggunakan algoritma K-Means dan classification menggunakan algoritma LVQ pada web usage mining. Clustering terbaik pada data log tuneeca terdapat pada k=8 dengan nilai SSE 30,45 dan Silhoutte Coefficient 0,99 dan Classification dengan akurasi tertinggi yaitu 88,29% dengan menggunakan parameter learning rate 0,07 dan maksimum epoh 40. Kata kunci : web usage mining, clustering, classification, k-means, LVQ
id IOS2750.14.04.1018
institution Telkom University
institution_id 317
institution_type library:university
library
library Perpustakaan Telkom University
library_id 255
collection Katalog Library & Knowledge Center Telkom University
repository_id 2750
subject_area Ekonomi
Program Komputer dan Teknologi Informasi
Rekayasa
city BANDUNG
province JAWA BARAT
repoId IOS2750
first_indexed 2016-09-24T16:45:36Z
last_indexed 2017-02-25T15:20:18Z
recordtype dc
_version_ 1765819884836487168
score 17.538404

Lihat Juga