1 / 53

Pemeliharaan & Kinerja Aplikasi Web Husni husni@if.trunojoyo.ac.id Husni.trunojoyo.ac.id

Web Engineering 2010 Pertemuan ke-07. Pemeliharaan & Kinerja Aplikasi Web Husni husni@if.trunojoyo.ac.id Husni.trunojoyo.ac.id Komputasi.wordpress.com. Ikhtisar. Pemeliharaan aplikasi Web Pemasaran Aplikasi Web Pemeliharaan Content Statistika Akses Kinerja aplikasi Web

keelia
Download Presentation

Pemeliharaan & Kinerja Aplikasi Web Husni husni@if.trunojoyo.ac.id Husni.trunojoyo.ac.id

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Web Engineering 2010 • Pertemuan ke-07 Pemeliharaan & Kinerja Aplikasi Web Husni husni@if.trunojoyo.ac.id Husni.trunojoyo.ac.id Komputasi.wordpress.com

  2. Ikhtisar • Pemeliharaan aplikasi Web • Pemasaran Aplikasi Web • Pemeliharaan Content • Statistika Akses • Kinerja aplikasi Web • Definisi dari Kinerja • Teknik Evaluasi • Rangkuman

  3. PEMELIHARAAN APLIKASI WEB

  4. Motivasi • Tugas pemeliharaan • Betulkan, adaptasikan dan tingkatkan • Pastikan bahwa aplikasi aktif dan berjalan • Dalam aplikasi konvensional, ada perbedaan yang jelas dengan pengembangan. • Dalam aplikasi web, terjadi penggabungan: • Beberapa kegiatan pemeliharaan tidak dapat dilakukan de-coupled tapi mempengaruhi pengembangan. • Tekanan time-to-market mengakibatkan waktu pengembangan menjadi berkurang  beberapa tugas pembangunan dialihkan ke dalam fase pemeliharaan.

  5. Motivasi • Tak ada pendekatan konprehensif dan metodologisuntuk memelihara aplikasi web. • Fokus pada 3 topik sentral: Pemasaran Aplikasi Web • Pengaruh yang kuat pada pengembangan aplikasi; • Menambahkan tag meta atau mengadaptasi struktur link; • Mesin pencari dan situs mitra Perawatan Content • Permintaan kualitas • Pembangkita situs web on the fly • Penggunaan ulang content (content syndication) Statistika Akses • Perilaku pengguna • Mengukur sukses • Potensi bagi peningkatan

  6. Pemasaran Aplikasi Web • Bagaimana pengguna mendapatkan aplikasi ini dan informasinya? • Sering tidak dipertimbangkan! • Makna Tradisional: • Iklan berita, TV / Radio, Poster, pemasaran langsung • Webvertising • Newsletter • Affiliate marketing • Search engine marketing • Content-related marketing • Domain management

  7. Newsletter • Dapatkan pelanggan/pengguna baru dan pelihara yang lama • Via e-Mail • Berita , produk baru, fitur-fitur, dll. • Aturan untuk newsletter: • Konten Netral (nilai tambah, informasi mengenai produk) • Link ke informasi rinci • Hapus fokus konten • Up to date • Keteraturan • Kemungkinan untuk membatalkan newsletter • Personalisasi

  8. Pemasaran Afiliasi • Integrasi dari produk, layanan, fungsionalitas dari aplikasi web ke dalam aplikasi web dari mitra • Constraint: afinitas topik yang kuat • keuntungan: efisien, biaya rendah • Kerugian: hilangnya identitas sendiri • Opsi Integrasi • Link teks dan banner yang sederhana • Presentasi produk yang sederhana • Presentasi produk mengikuti look&feel dari situs mitra • Model Biaya • Fixfee untuk integrasi: hari / bulan / tahun • Pay per click: ketergantungan pada jumlah pengunjung • Pay per lead: biaya tergantung pada jumlah klien potensial • Pay per penjualan: biaya tergantung pada jumlah klien de facto

  9. Pemasaran Search Engine • Pemasaran dengan pemunculan dan penempatan yang tinggi • Requirement: pengetahuan bagaimana search engines bekerja • Index bagi representasi dari dokumen • Deskripsi terbaik dari semantik/makna dari content • Kata kunci • Kata diseragamkan • Dibobotkan (weighted, keseringan tampil, dll.)

  10. Pemasaran Search Engine • Pengguna membuat query • Berbagai model retrieval • Mempertimbangkan kata kunci (kejadian, kepentingan, dll.) • Contoh: Google Page Rank • Karakteristik Web • Distribusi dokumen • Protokol berbeda • Format data • Perubahan dokumen yang exist • Bots: Crawler & Indexing

  11. Pemasaran Search Engine • Pendaftaran dengan search engines • Bentuk manual • Indexing kadang lambat (termasuk Google) • Penempelan yang “baik“pada Web • Link ke dan dari situs web lain • Engine paling penting • Google • http://searchenginewatch.com • http://www.searchengineshowdown.com

  12. Pemasaran Search Engine • Penempatan (posisi) • Sebagian besar pengguna: Hanya 10 – 20 entri pertama • Tidak ada jaminan aplikasi kita ada dalam 10 pertama ini • Search engine optimization(SEO) • Pengetahuan mengenai fungsi dari search engine • Dahsyatnya kompetisi • Ukuran • URI yang bagus! (“URI yang bagus tidak berubah”) • Meta tags, title, keyword, description

  13. Pemasaran Search Engine • Meta tags • Keyword (kata kunci) dan description • Pada waktu indexing • Sediakan keywordyang mendeskripsikan topik dari halaman/aplikasi • Batasi panjangnya • Problematika: • Spamming: satu keywordterlalu sering • Spoofing: keyword salah • Title (judul) • Informasi dalam title ditambahkan ke hasil pencarian

  14. Pemasaran Search Engine • Contentdari situs web • Beberapa search engine hanya mengindeks n byte pertama dari situs web. • Gambar • Pada awal halaman, hindari gambar. Ganti dengan deskripsi teks yang penuh maknadan semantik! • Tambahkan deskripsi tekstual pada gambar

  15. Pemasaran Search Engine • Pengecualian • Pengecualian dari halaman tertentu dari search engine • Contoh:Counter Pengunjung hanya menghitung pengunjung “real”, bukan bot • Pengecualian dari search engine terhadap bagian dari suatu aplikasi • Bagian yang tidak mengandung informasi yang relevan bagi pengguna • Metode • Robots.txt • http://www.robotstxt.org/wc/exclusion.html

  16. Pemasaran Terkait Content • Contentdiasosiasikan dengan produk/layanan • AdSense dari Google • Sesuai, iklan kontekstual • AdWords: client membeli kata tertentu • Contoh: • Pengguna mencari cuaca di Munich dan mendapatkan iklan untuk hotel dan rental mobil di Munich pada waktu itu.

  17. Iklan Online • Masih merupakan model pendapatan utama bagi Web • Menargetkan teknologi masih menggunakan teknik IR awal-awal • Pencocokan keyworddan kategori (sederhana) • Pengiklan vs. Konsumen model lama • Konsumen melihat iklan sebagai suatu gangguan, penyusupan • Pengiklan ingin informasi lebih dan lebih banyak tentang pengguna • Rumus Phorm : lebih banyak data pengguna = iklan ditargetkan lebih baik? • Periklanan tidak sama dengan Web 2.0 atau membaca / menulis web • Pengguna selalu penerima pasif; tiada kontrol terhadap data, informasi yang disimpulkan, tidak ada feedback apakah yang tepat • Kajian mengusulkan bahwa pendapatan klik jatuh • “Natural Born Clickers” : 6% pengguna internet Amerika bertanggungjawab bagi 50% dari semua click-throughs

  18. Jenis Penargetan • Iklan random • Iklan bagian: iklan yang ditargetkan pada bagian dari website • Berbasis keyword: Pencocokan berbasis IR sederhana • Geo-IP: iklan berdasarkan lokasi dari IP Address • Berbasis demographic: Iklan berdasarkan usia, jenis kelamin, penghasilan, pendidikan • Data yang diberikan secara eksplisit atau melalui pembelajaran • Mining search dan click patterns: • minat pengguna disimpulkan dari permintaan pencarian dan pola klik • Iklan sosial (social ads): • Produk dianjurkan kepada Anda karena seseorang di jaringan sosial Anda membeli / menilai (rate) produk tersebut • Rekomendasi kolaboratif (Collaborative Recommendation): • Amazon: “orang yang membeli X juga membeli Y”

  19. Masalah: Tak-sensitif Terhadap Konten & Sentimen Topik

  20. Masalah Homonim

  21. Sasaran Salah & Mengganggu

  22. Tidak Sensitif Secara Politik & Demografis

  23. Tak-sensitif Terhadap Konteks Berpotensi Tragis

  24. Tak-sensitif Terhadap Konteks Berpotensi Tragis

  25. Manajemen Domain • Pentingnya alamat aplikasi Web (domain) • Domain sekunder ditambahkan dan mengarah ke master domain • Beli domain sebelum kompetitor membelinya • Komunikasi ke luar: hanya promosikan satu domain • Mungkin meningkatkan lalu lintas

  26. Pemeliharaan Content • Akuisisi, kreasi, persiapan, manajemen, presentasi, pengolahan, publikasi dan penggunaan ulang content yang sistematis & terstruktur. • Isu organisasional • Unit untuk menangani konten atau outsource ke operator • Definisi proses dan peran • Multilinguality, pengguna multi-budaya, dll • Isu Hukum • Intellectual property rights (HAKI) • Hak penggunaan • Images, videos, graphics

  27. Pemeliharaan Content • Kualitas content • Kepentingan utama bagi penerimaan aplikasi Web • Memperoleh klien baru • Faktor Kelekatan (berapa kali pengguna mengakses situs) • Going live • Sejumlah wajib (kritis) konten harus sudah tersedia • Aspek kualitas • Volume • Uptodateness • Consistency

  28. Pemeliharaan Content • Frekuensi update tergantung pada aplikasi • Situs berita vs presentasi perusahaan • Ketersediaan kamar vs deskripsi hotel • Content Management Systems (CMS) untuk pembangkitan situs web • On the fly: sangat up to date • On update: cepat, up to date

  29. Pemeliharaan Content • Sindikasi Content • Hak untuk menggunakan konten atau aplikasi Web • Dari suatu penyedia informasi • Pelanggan informasi • Kontrak • Model biaya • Ongkos Flat • Tergantung pada halaman / Kesan

  30. Statistika Akses • Informasi mengenai pengguna dan perilaku mereka • Web usage mining (penggalian pemanfaatan web) • Mengukur keberhasilan sebuah aplikasi • Metode pengambilan data • Metode reaktif (membutuhkan partisipasi aktif dari pengguna, misalnya bentuk feedback atau jajak pendapat) • Metode non-reaktif (pengguna tidak menyadari pemantauan)  Phorm!

  31. Web Usage Mining: Definisi • Proses penerapan teknik data mining untuk mendapatkan pola penggunaan dari data Web, ditujukan untuk berbagai aplikasi • Ada perbedaan antara content mining & structure mining (Adamic, L. A., and Adar, E. 2003. Friends and neighbors on the web. Social Networks 25(3):211–230.)

  32. Web Usage Mining: Sumber Data • Sumber data umum bagi web usage mining : • Data struktur Web (site map, links, dll.) • Data content Web Profil pengguna (mungkin tak tersedia) • Log Web (data penggunaan web, data clickstream)

  33. Web Usage Mining: Prosedur

  34. Preprocessing: Tantangan • WHO (siapa penggunanya)? • IP vs. Orang sebenarnya • HOW LONG (berapa lama pengguna mengakses?) • Mengukur waktu sesi(L. Catledge and J. Pitkow. Characterizing browsing behaviors on the world wide web. Computer Networks and ISDN Systems, 27(6), 1995)(Berendt, B. Mobasher, M. Nakagawa, and M. Spiliopoulou. The impact of site structure and user environment on session reconstruction in web usage analysis. In Proceedings of the 4thWebKDD 2002 Workshop, at the ACM-SIGKDD Conference on Knowledge Discovery in Databases (KDD’2002), Edmonton, Alberta, Canada, July 2002. • WHERE(dimana pengguna masuk?) • Server side vs. Client side • WHAT(apa yang ditampilkan pengguna?) • Pemrosesan contentMoe, Wendy W. 2003. Buying, searching, or browsing: Differentiating between online shoppers using in-store navigational click-stream. J. Consumer Psych. 13(1, 2) 29–40. --------------------------------------------------------------------------------------- For the best review on preprocessing methods, refer to: R. Cooley, B. Mobasher, J. Srivastava, Data preparation for mining world wide web browsing patterns, Knowledge and Information Systems 1 (1) (1999) 5–32

  35. Ukuran-ukuran • Hits • Menghitung setiap elemen tunggal dalam website • Page impressions • Berapa banyak pengguna dilihat situs • Visits • Penggunaan oleh pengguna • Timelimit • Masalah: pengguna pencocokan yang unik – IP

  36. Ukuran-ukuran • Waktu pengguna di situs • Kesan iklan (Ad impression) • Klik iklan (Ad click) • Rasio klik Iklan (klik vs. kesan) • Estimasi kegunaan aplikasi • Bookmark • E-commerce: ukuran yang lebih kompleks • Kelas-kelas produk

  37. KINERJA DARI APLIKASI WEB

  38. Definisi • Webster On-Line • pemenuhan janji, tuntutan, atau permintaan • Whatis.com • Kecepatan komputer beroperasi, baik secara teoritis ... atau dengan menghitung operasi atau instruksi yang dilakukan ... selama tes benchmark. • Efektivitas total dari sistem komputer, termasuk throughput, waktu respon individu, dan ketersediaan. (Kinerja dan evaluasi performability)

  39. Ukuran Dasar • Throughput • Jumlah permintaan yang diselesaikan per satuan waktu • Responsetime (waktu respon) • Total waktu dihabiskan antara mengajukan permohonan dan akhir respon • Utilisasi • Fraksi waktu selama sistem sedang sibuk • Availability (ketersediaan) • Fraksi waktu sistem beroperasi

  40. Definisi • Sistem • Himpunan hardware, software dan firmware • System under Test (SUT) • Sistem khusus yang tunduk pada analisis kinerja • Component under Study (CUS) • Bagian dari sistem (misal: CPU) yang tertarik untuk dikaji • Metrik • Kriteria yang digunakan untuk mengevaluasi kinerja dari CUS • Workload • Permintaan yang dibuatoleh pengguna sistem

  41. Pengaruh Buruknya Kinerja • Kinerja buruk • Kenyataan empiris Orang bermaksud meninggalkan suatu situs jika waktu respon di atas 8 detik (aturan 9 detik) • 43.5 milyar dolar hilang setiap tahun dalam e-commerce karena kinerja yang buruk (Zona Research, April 1999) • Masa libur 1998: • Lebih 1/3 konsumen angkat tangan karena kelambatan, 44% kembali ke toko konvensional, 14% pindah ke situs lain

  42. Faktor Kegagalan

  43. Tantangan • Memilih yang tepat • Mengukur kinerja dengan benar • Menggunakan teknik statistik yang tepat • Merancang eksperimen untuk mengurangi usaha anda • Mengerjakan simulasi dengan benar • Menggunakan model antrian sederhana untuk menganalisis kinerja

  44. Teknik Evaluasi

  45. Teknik Evaluasi • Amati perilaku sistem dengan menggunakan tool pengukuran • Tool hardware monitoring • Mahal tetapi tidak meminta sumber daya sistem yang dikaji • Contoh: supercomputer paralel nCube • Tool software monitoring • Dapat menyebabkan gangguan (mempengaruhi kinerja dari sistem yangd ikaji) • Contoh: Sistem monitor Windows Server, studi kasus 2 • Hybrid • Dimaksudkan untuk menggabungkan kelebihan dari monitoring HW dan SW • Benchmark • Jenis software monitoring khusus dimana program terdefinisi baik (“beban artificial”) dieksekusi pada sistem • Perbandingan tujuan dari beberapa sistem • Contoh: lihat studi kasus 1

  46. Pemodelan • Model = abstraksi dari suatu sistem • Contoh untuk formalisme pemodelan • Model jaringan antrian • Petri Net • Level abstraksi berbeda mungkin hadir (pemodelan hirarkis) • Kriteria kualitas utama dari suatu model • Representatif vs. kompleksitas • Pemodelan analitik • Properti dari model yang diturunkan secara matematis (numerik, pemecahan persamaan,...) • Simulasi • Model “dieksekusi” dalam lingkungan simulasi • Event-based vs. Time-based

  47. Tuning Kinerja • Metode untuk meningkatkan kinerja dari sistem • Tujuan • Mengurangi waktu respon • Menaikkan throughput • Pendekatan Umum • Mengerjakan pengukuran, menurunkan suatu model dan mensimulasikan atau menggunakan teknik solusi analitik untuk mengidentifikasi kemacetan sistem • Mengklasifikasikan kemacetan dalam primer, sekunder,... • Mendefinisikan himpunan ukuran yang mengalamati kemacetan yang teridentifikasi • Mengevaluasi dan membandingkan biaya/peningkatan yang diharapkan • Pilih himpunan ukuran yang akan diterapkan • Analisis sistem yang ditingkatkan untuk membuktikan adanya peningkatan kinerja

  48. Tuning Kinerja • Kategori dasar dari teknik tuning kinerja • Tuning software aplikasi web • Tuning software web server • Menaikkan tenaga komputasi dari hardware web server • Menaikkan bandwidth jaringan • Melakukan caching dan replikasi

  49. That’s almost all for day… Ringkasan

  50. Kesimpulan • Pemeliharaan Aplikasi Web • Pemasaran • Webvertising terdiri dari berbagai cara untuk mengiklankan sebuah aplikasi Web • Pengiklanan memanfaatkan Search engine • Pemeliharaan Content • Systematic and structured approach towards content usage • Statistika Akses • Informasi mengenai pengguna dan perilaku mereka • Web usage mining

More Related