Web Usage Mining Menggunakan Algoritma Clastering K-Mean

Abstract

Algoritma K-means merupakan salah satu algoritma yang digunakan untuk metode clustering dalam data mining. Algoritma ini hanya bisa digunakan untuk mengolah data bertipe numerik menjadi pengetahuan. Metode ini cocok digunakan untuk mengolah data log access file server web untuk bidang web usage mining. Dari sekian banyak data di log access pengunjung dapat diambil pengetahuannya setelah diolah oleh algoritma K-mean. Penelitian ini dilakukan untuk mengetahui kluster dari waktu yang digunakan oleh pengguna untuk mengakses website pada sebuah instansti. Setelah melakukan try and error dalam menetapkan jumlah k dan nilai centroid awal,maka diperoleh 4 kluster. Dengan penggunaan distance measure yaitu squared Euclidean distance. Dengan average cluster distance sama dengan 207,286. Nilai Davies boudin index untuk klaster k sama dengan 4 adalah 0,076.

Optimasi Cluster pada Algoritma K-Means

“…Dalam data mining dapat dilakukan pengelompokan data yaitu salah satunya menggunakan metode clustering menggunakan algoritma K-Means. Klasterisasi menggunakan algoritma K-Means telah banyak digunakan seperti klasterisasi minat siswa pada pelajaran matematika[1], segmentasi konsumen [2], untuk klasterisasi data rekam medis pasien [3], untuk mengolah data web usage mining [4], klasterisasi tingkat penjualan paket data telkomsel [5], untuk pengelompokkan produktivitas tanaman pada di Jawa Tengah [6], untuk menganalisis penjualan sebuah toko fashion hijab [7], untuk strategi pemasaran produk industry kreatif untuk mengelompokkan data UMKM [8], untuk mengelompokkan data kinerja dosen universitas islam bandung [9], untuk klasterisasi data obat pada rumah sakit asri [10].…”