<![CDATA[Pertumbuhan sumber daya layanan web yang sangat cepat menuntut metode yang efektif untuk memperoleh pengetahuan dari data log server yang tersedia. Untuk mempelajari pola aktivitas yang terjadi pada sebuah web, dapat dilakukan klasterisasi pada log web server yang mampu membantu mengidentifikasi kelompok pengguna yang memiliki perilaku akses yang sama. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem Klasterisasi Aktivitas Pengguna Berdasarkan Log Server Web Menggunakan Model Autoencoder sehingga mampu meningkatkan efektivitas pengelompokan pola aktivitas web. Penelitian dilakukan dengan mengujikan model Autoencoder langsung dalam pemecahan masalah untuk pengelompokan traffic dari log web server. Pengujian akan dilakukan dengan menggunakan dataset "Online Shopping Store - Web Server Logs" yang sudah dilakukan bot filtering dengan jumlah data akhir 9,337,737 akan dievaluasi kemampuan model dalam pengelompokan aktivitas pengguna dalam traffic. Klasterisasi dilakukan dengan menggunakan K-Means dan hasil yang diperoleh akan dievaluasi dan divisualisasikan. Hasil silhouette score yang diperoleh setelah klasterisasi adalah 0,5897, yang menunjukan bahwa data point dalam cluster yang terbentuk cukup akurat namun masih mengalami overlap dengan cluster lain. Hasil tersebut menunjukan bahwa model autoencoder cukup mampu untuk digunakan dalam klasterisasi log web server.]]>
Copyrights © 2026
