SEQUENTIAL PATTERN UNTUK PEMBANGUNAN SISTEM PEMBERI REKOMENDASI TAUTAN PADA WEBSITE

Abstract

Sistem pemberi rekomendasi tautan merupakan salah satu bentuk personalisasi pengguna pada aplikasi berbasis web. Sistem ini akan memberikan rekomendasi untuk pengunjung berupa tautan ke suatu halaman berdasarkan histori pola pengaksesan web. Untuk membangun  pola pengaksesan web ini, digunakan salah satu teknik data mining yaitu sequential pattern mining. Teknik ini akan menghasilkan serangkaian pola penelusuran pengguna dalam menjelajahi sebuah website. Dalam penelitian ini, algoritma sequential pattern mining yang digunakan adalah PrefixSpan. Algoritma ini lebih efisien dalam pembangunan pola sekuensial dibandingkan algoritma general sequential pattern lainnya.

Parameter yang mempengaruhi performansi sistem adalah support threshold, panjang session pengguna yang sedang online, dan nilai confidence minimum. Secara umum, tingkat akurasi berbanding lurus dengan ketiga parameter ini meskipun secara khusus, sistem dengan ukuran session dinamis tidak terlalu dipengaruhi oleh ukuran session window. Secara fungsional, sistem rekomendasi dengan ukuran session dinamis lebih baik dibandingkan sistem yang menggunakan ukuran session statis karena lebih mampu menghindari kegagalan dalam memberikan rekomendasi meskipun tingkat akurasinya sedikit lebih rendah (67%) dibandingkan ukuran session statis (76%). Waktu rata-rata untuk memberikan rekomendasi pada setiap user session adalah 0.1 - 0.13 detik.