Web Engineering 2010

Pertemuan ke-07

Pemeliharaan & Kinerja Aplikasi Web

Husnihusni@if.trunojoyo.ac.id

Husni.trunojoyo.ac.idKomputasi.wordpress.com

Ikhtisar

• Pemeliharaan aplikasi Web– Pemasaran Aplikasi Web– Pemeliharaan Content– Statistika Akses

• Kinerja aplikasi Web– Definisi dari Kinerja– Teknik Evaluasi

• Rangkuman

PEMELIHARAAN APLIKASI WEB

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.

Motivasi• Tak ada pendekatan konprehensif dan metodologis untuk

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

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

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

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

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.)

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

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

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

Pemasaran Search Engine

• Meta tags• Keyword (kata kunci) dan description

– Pada waktu indexing– Sediakan keyword yang mendeskripsikan topik dari

halaman/aplikasi– Batasi panjangnya– Problematika:

• Spamming: satu keyword terlalu sering• Spoofing: keyword salah

• Title (judul)– Informasi dalam title ditambahkan ke hasil pencarian

Pemasaran Search Engine

• Content dari 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 makna dan semantik!– Tambahkan deskripsi tekstual pada gambar

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

Pemasaran Terkait Content

• Content diasosiasikan 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.

Iklan Online

• Masih merupakan model pendapatan utama bagi Web• Menargetkan teknologi masih menggunakan teknik IR awal-awal

• Pencocokan keyword dan 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

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”

Masalah: Tak-sensitif Terhadap Konten & Sentimen Topik

Masalah Homonim

Sasaran Salah & Mengganggu

Tidak Sensitif Secara Politik & Demografis

Tak-sensitif Terhadap Konteks Berpotensi Tragis

Tak-sensitif Terhadap Konteks Berpotensi Tragis

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

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

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

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

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

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!

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.)

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)

Web Usage Mining: Prosedur

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 4th WebKDD 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

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

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

KINERJA DARI APLIKASI WEB

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)

Ukuran Dasar

• Throughput– Jumlah permintaan yang diselesaikan per satuan waktu

• Response time (waktu respon)– Total waktu dihabiskan antara mengajukan

permohonan dan akhir respon• Utilisasi

– Fraksi waktu selama sistem sedang sibuk• Availability (ketersediaan)

– Fraksi waktu sistem beroperasi

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

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

Faktor Kegagalan

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

Teknik Evaluasi

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

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

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

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

RINGKASANThat’s almost all for day…

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

Rangkuman

• Kinerja merupakan faktor sukses kunci bagi aplikasi web

• Sistem perlu secara berkelanjutan dimonitor untuk mendeteksi masalah kinerja potensial yang dapat dinaikkan

• Model analitik dan teknik pengukuran sebaiknya dikompbinasikan utuk mendapatkan wawasan mendalammengenai masalah kinerja potensial

• Tuning kinerja harus proaktif dan berorientasi sepanjang bottleneck potensial

Daftar Referensi

• Bacaan Disarankan– Kappel, G., Proll, B. Reich, S. & Retschitzegger, W.

(2006). Web Engineering, Wiley & Sons. Bab 8 & 12

Pertanyaan?