Perpustakaan Digital ITB

Seiring dengan bertambahnya jumlah civitas akademika ITB, maka kebutuhan bandwidth internet di ITB semakin besar. Hal ini juga terkait dengan besarnya biaya yang dikeluarkan oleh ITB untuk menyediakan bandwidth internet tersebut. Belum adanya pengelolaan data pemakaian internet di ITB yang berhubungan dengan perilaku user. Saat ini belum adanya pemodelan perilaku user internet di ITB sehingga belum diketahui secara pasti seberapa besar kebutuhan bandwidth terutama untuk proses menjalankan penelitian dan pengajaran di ITB. Pembelian bandwidth internet berdasarkan pada jumlah pemakaian tahun-tahun sebelumnya, belum berdasarkan pemodelan jumlah kebutuhan dan penggunaan kapasitas bandwidth yang ada. Tujuan penelitian adalah membuat pengukuran kebutuhan bandwidth internet ITB berdasarkan kelompok user. Kemudian mencari pola sivitas akademika dalam menggunakan bandwidth internet di ITB. Penelitian dilakuan dengan menggunakan dua tahapan yaitu data mining dan klasterisasi. Data mining terdiri atas tahapan Data Cleaning, Data Integration, Data Selection, Data Transformation, Data Mining, Pattern Evaluation, Knowledge Presentation. Kemudian dilakukan klasterisasi berdasarkan metode K-Means, Aglomerasi, dan KMedoids. Proses data cleaning terhadap raw data harus dilakukan sebaik mungkin, karena akan menentukan kualitas data yang akan diolah selanjutnya. Variabel yang digunakan adalah username, banyaknya data yang dipakai, dan konten yang dikunjungi. Tahapan berikutnya adalah mencari data yang mengakses konten terkait saintifik/jurnal. Kemudian mencari data yang mengakses konten hiburan. Lalu dilakukan agregasi banyaknya data yang dipakai berdasarkan username untuk mendapatkan jumlah pemakaian data secara umum, agregasi berdasarkan username dan konten untuk mendapatkan jumlah pemakaian berdasarkan username dan konten. Kelompok konten dibagi menjadi tiga jenis. Konten saintifik/jurnal adalah kelompok konten yang mengandung materi santifik, diantaranya adalah jurnal. Kelompok konten hiburan adalah kelompok yang ii mengandung konten hiburan seperti media social dan youtube serta konten sejenis. Kelompok umum adalah kelompok yang mengandung konten selain dua kelompok sebelumnya. Setelah didapatkan agregasi-agregasi diatas, maka dilakukan klasterisasi berdasarkan metode K-Means, Aglomerasi, dan KMedoids. Hasil yang didapatkan memberikan gambaran bahwa terdapat tiga klaster pada user pada jaringan internet ITB. Yaitu klaster akses konten saintifik/jurnal (klaster 1), klaster akses hiburan (klaster 2), klaster akses konten email dan akses konten umum (klaster 3). Klaster 1 merupakan klaster yang mengakses konten hiburan dan atau konten umum tetapi cukup besar mengakses konten saintifik disbanding konten lainnya. Klaster 2 merupakan klaster yang mengakses konten saintifik sangat kecil dibanding dengan konten hiburan dan atau konten umum. Klaster ketiga adalah klaster yang hanya mengakses konten hiburan dan atau konten umum saja. Pada hasil penelitian, pembentukan klaster pada metode K-Means lebih baik dibandingkan metode Aglomerasi dan KMedoids. Hasil klaster pada metode KMeans memberikan perbandingan yang konsisten antara jumlah akses konten saintifik dibandingkan dengan konten lainnya. Untuk metode Aglomerasi dapat dengan mudah dilihat bahwa user yang tidak mengkases konten saintifik tapi dimasukkan pada klaster 1. Untuk metode KMedoids, klaster 2 yang terbentuk sangat kecil sehingga tidak representatif jika dibandingkan dengan klaster yang lain.