Pemodelan Kapasitas Infrastruktur EBusniessECommerce Teknologi Infrastruktur 1 Sasaran

Pemodelan Kapasitas Infrastruktur E-Busniess/E-Commerce Teknologi Infrastruktur 1

Sasaran Memahami teknik pemodelan kapasitas komponen- komponen infrastruktur e-Busniess dengan menggunakan: Konsep pemodelan perilaku pengguna. Konsep pemodelan interaksi antar komponen infrastruktur. Studi kasus pada situs online. 2

Perencanaan Kapasitas Kriteria mutu layanan TI: kinerja (response time), ketersediaan (prosentase downtime), skalabilitas, dan keamanan. Situs online dengan kinerja rendah - melampaui batas psikologis 8 detik – akan ditinggalkan pengunjung. Situs dengan ketersediaan rendah dapat berakibat: citra buruk & kehilangan peluang bisnis. 3

Perencanaan Kapasitas … kinerja (response time), ketersediaan (availability), skalabilitas (scalabilty), dan keamanan (security): Skalabilitas situs online dalam melayani banyak pengunjung sekaligus menentukan kinerja dan ketersediaan situs. Teknologi pengamanan yang tidak memadai menjadikan pengunjung enggan/takut bertransaksi. 4

Kapasitas Infrastruktur Elemen-elemen utama Qo. S dalam perancangan infrastruktur: Konsumen Manajemen Service Level Agreement Pilihan Teknologi & Standar Plafon Biaya (Anggaran) 5 Response time < 8 detik Ketersediaan > 99. 5% Oracle DBMS, SSL, dsb. Kapasitas Memadai Instalasi Rp 100 juta Pemeliharaan < Rp 20 juta/tahun

Pendekatan n Merancang arsitektur teknologi situs online berdasarkan pola penggunaan n Sumber data: log akses server web. n Biasa digunakan untuk menghitung jumlah akses rata-rata per hari, jam-jam tersibuk, dsb. n Untuk menentukan konfigurasi server- server, kapasitas (bandwidth) jaringan, ukuran server-server, jenis software, dsb. 6

Pendekatan Tahapan: Kategorisasi pengguna berdasarkan perilakunya (use case). Karakterisasi beban kerja situs per sesi per kategori pengguna. Pembuatan model kapasitas situs. Penghitungan parameter-parameter model kapasitas situs. Identifikasi titik rawan (bottle neck) Perkirakan dampak peningkatan beban atau upgrading komponen infrastruktur. 7

Pemodelan Kapasitas Perencanaan berbasis model: 8

Model-model Referensi Model-model dalam analisa/perencanaan kapasitas: 9 Model Bisnis Karakteristik Bisnis Model Fungsional Struktur Navigasi dan Fungsi Model Pengguna Pola Perilaku Pengguna Model Sumber Daya Arsitektur Fisik dan Beban Layanan

Model-model Referensi Model Bisnis Pola B 2 C, B 2 B, C 2 C, dsb. Model Fungsional Dekomposisi fungsi-fungsi sistem. Model Pengguna Pola navigasi pengunjung situs. Model probabilistik perilaku pengunjung. Model Sumber Daya Model beban kerja (utilisasi CPU, dsb. ) Model kinerja (maksimum jumlah transaksi per detik, dsb. ) 10

Model Fungsional Contoh: Layanan Karyawan Cari & pilih produk Order Produk Cek Status Order Ubah/Batalkan Order 11 Portal E-Procurement Layanan Pemasok Update Katalog Layanan Inventaris Layanan Keuangan Layanan User Lapor Penerimaan Produk Ambil Data Tagihan Login Logout Ambil Data Order

Model Perilaku Pengguna Pola “navigasi” per sesi: Pola urutan aktivasi fungsi-fungsi: login, lihat katalog, cari produk, pesan, mengecek pesanan, dsb. Pola navigasi seorang pengguna dapat berbeda antara sesi (kunjungan) satu dengan sesi (kunjungan) berikutnya. Model-model: Customer Behavior Model Graph (CBMG) Customer Visit Model (CVM) 12

CBMG 13

Pengumpulan Data CBMG Data diperoleh dari log akses pada server web Sesi: urutan akses oleh client (IP address) yang sama. Batas antar sesi untuk client yang sama: berdasarkan minimum jarak waktu antar akses, kalau melebihi berarti sudah masuk sesi berikutnya. Web Server Web Browser (1) HTTP request (2) HTML file 14 Access log file HTML collection

Pembuatan CBMG 100. 222. 33. 52 [10/Nov/2005: 10: 01] “GET /index. htm” 146. 35. 100. 24 [10/Nov/2005: 10: 03] “GET /info/spec. htm” 100. 222. 33. 52 [10/Nov/2005: 10: 03] “GET /catalog/index. htm” 100. 222. 33. 52 [10/Nov/2005: 10: 09] “GET /product/manuals. htm” 146. 35. 100. 24 [10/Nov/2005: 10: 00: 10] “GET /info/spec/data. htm” 146. 35. 100. 24 [10/Nov/2005: 10: 05: 15] “GET /info/order. htm” 100. 222. 33. 52 [10/Nov/2005: 10: 32: 23] “GET /index. htm” 100. 222. 33. 52 [10/Nov/2005: 10: 33: 01] “GET /contact. htm” 100. 222. 33. 52 [10/Nov/2005: 11: 20: 00] “GET /info/index. htm” Sesi 1 Sesi 2 Sesi 3 Threshold: 30 menit (http: //www. piti. com/info/index. htm) Client IP: 100. 222. 33. 52 Sesi 1 Sesi 2 Sesi 3 /index. htm /info/index. htm /info/spec. htm /contact. htm /product/manuals. htm 15

Pembuatan CBMG HTTP logs Session log Page request log CBMG Dari data urutan akses setiap sesi dihitung probabilitas transisi dari satu titik navigasi (fungsi) ke titik navigasi (fungsi) lain: P(i, j) = Ci, j / Σ Ci, k untuk k = 1, …, n. • Ci, j adalah jumlah transisi dari fungsi i ke fungsi j • n adalah jumlah fungsi (titik navigasi). 16

Matriks CBMG: probabilitas transisi antar titik navigasi 17

CBMG Mengukur tingkat penggunaan fungsi-fungsi. Contoh: Jumlah baca katalog: 0, 5 per sesi. Jumlah search per sesi: (1 x 0, 5) + (1 x 0, 5 x x 1, 0 x 0, 6) + (1 x 0, 5 x 0, 62) + (1 x 0, 5 x 0, 63) + … + (1 x 0, 5 x 0, 6∞) = 1, 25 per sesi CBMG Entry 0, 6 1, 0 Home 0, 5 18 Search Catalog 1, 0 Browse 0, 4 1, 0

Customer Visit Model CVM: daftar frekuensi akses untuk setiap fungsi per sesi. Juga dihitung dari data log akses server Web. Digunakan untuk membuat model beban kerja. 19

Pembuatan CVM Penentuan jumlah sesi dalam tabel CVM: Berdasarkan kategori pengunjung, atau Dengan teknik clustering (pengelompokan data) sesi Setiap data sesi direpresentasikan sebagai vektor yang komponennya adalah fungsi-fungsi atau titik navigasi. Misalnya vektor dengan 6 komponen [login, registrasi, search, pesan, cek-pesanan, logout], contoh datanya: [1, 1, 1, 0, 0, 1], [0, 0, 2, 0, 0, 0], [1, 0, 0, 0, 1, 1], dst. n 20 Dapat menggunakan teknik k-means clustering berdasarkan jarak antar vektor.

K-Means Clustering k=3 1 Jarak = √(xi-xj)2 + (yi-yj)2 3 21 2 Centroid: (Σx/n, Σy/n) 4

CVM Nilai dalam tabel CVM adalah nilai rata-rata tiap cluster atau kategori pengunjung. Contoh CVM dengan jumlah cluster k = 4. 22

Manfaat Model Perilaku Untuk mengetahui, misalnya: Pola navigasi sesi-sesi yang melibatkan transaksi. Pola navigasi khas tiap kategori user. Rata-rata berapa kali suatu fungsi diakses per jenis sesi (kategori user). Dsb. 23

Pemodelan Beban dengan CSID Pemodelan beban berdasarkan komponen infrastruktur dimana fungsi-fungsi dijalankan dan CVM/CBMG. Contoh: Web Server Application Server Client Browser Database Server Secure Web Server Payment Server 24 e-Commerce Site

Contoh CVM & CBMG Contoh CVM sederhana: Tipe Sesi: Baca daftar iklan properti Pasang iklan properti Cari iklan properti Prosentase: 5% 19% 76% n CBMG: 05 0. Entry 25 0. Show list 0. 19 76 Search keyword 1. 0 Submit form 1. 0 Show results 1. 0 Get status 1. 0

CBMG & Physical DFD → CSID C C C 26 05 0. request list Entry WS form status Show list 0. Submit form 0. 19 76 1. 0 Search keyword 1. 0 Show results Get 1. 0 status 1. 0 entry WS status form keyword list WS C : client WS : web server AS : application server DB : database server AS query result AS DB

Client Server Interaction Diagram Model CSID: [p, m] p: probabilitas dalam satu sesi. m: ukuran data dalam kilo bytes. 27

CSID Dari CSID dapat dihitung Probabilitas DB server (DB) akan digunakan dalam suatu sesi: 1, 0 x 0, 95 x 0, 8 = 0, 76 Berapa kali rata-rata server aplikasi (AS) akan digunakan dalam suatu sesi: 1 x (0, 95 x 0, 2) + 2 x (0, 95 x 0, 8) = 1, 71 kali Berapa rata-rata jumlah kbytes per sesi yang melalui jaringan lokal (LAN) yang menghubungkan server situs: 0, 05 x (m 1+m 2) + 0, 19 x (m 1+m 3+m 4+m 5) + 0, 76 x (m 1+m 3+m 6+m 7+m 8+m 9) 28

Analisa Kapasitas Sumberdaya Perkiraan kapasitas berdasarkan CSID Jumlah maksimum sesi paralel yang dapat dilayani tanpa delay untuk LAN dengan bandwidth 100 Mbps ≈ 10. 000 KByte/second (termasuk datagram packet overhead) Misalnya rata-rata KByte persesi adalah 15 KBytes maka kapasitas jaringan adalah 10. 000/15 = 666, 66 sesi paralel. internet router LAN 100 Mbps Web server 29 Application server DB server

Analisa Kapasitas Sumberdaya Perkiraan kapasitas berdasarkan CSID Kapasitas server aplikasi Misalnya utilisasi CPU setiap penggunaan adalah 0, 5%, maka kapasitas application server adalah: 100 / (1, 71 x 0, 5) = 116, 96 sesi paralel (lebih kecil dari kapasitas network). 30

Penentuan Parameter Model Benchmarking pada tingkat sistem secara keseluruhan perlu dilakukan untuk mengukur parameter-parameter model kinerja (CPU utilization, dsb. ) Dengan mengukur response time atau transaction rate (TPS) pada berbagai titik pengukuran. intranet Server Web middleware client 31 aplikasi database

Perencanaan Kapasitas Perencanaan kapasitas infrastruktur TI: Memahami/memodelkan karakteristik beban sistem untuk mengetahui tingkat saturasi layanan sistem. Mengantisipasi peningkatan beban dengan memperlambat tercapainya saturasi layanan. n Pengambilan keputusan: n Scaling Up n Penggantian dengan mesin berkapasitas lebih besar. n Scaling Out n Penambahan mesin dengan kapasitas yang sama (mirroring, replikasi, mesin paralel, dsb. ) 32

Proyeksi Kapasitas Penyebab peningkatan beban kerja: Perubahan/perkembangan model bisnis. Perubahan/penambahan fungsi layanan. Perubahan perilaku konsumen (trend, promosi, dsb. ) Perombakan infrastruktur TI. 33

Proyeksi Kapasitas Rencana kapasitas infrastruktur e-Bisnis disesuaikan dengan rencana pengembangan lanjut sistem e-Bisnis Rencana evolusi model bisnis Rencana evolusi fungsi layanan Perkiraan evolusi perilaku konsumen Rencana evolusi infrastruktur 34 Perencanaan model bisnis & fungsi layanan Perencanaan perilaku konsumen Perencanaan sumber daya TI Tiga proses perencanaan utama

Proyeksi Kapasitas Karakterisasi Bisnis Hasil analisis strategi Hasil analisis Use Case Rencana Pengembangan Bisnis Rencana Penambahan Fungsi-fungsi Rencana Pengubahan Perilaku Konsumen 35 Model Bisnis Analisis Fungsional Model Fungsional Struktur dan fitur situs Hasil analisis statistik Karakterisasi Perilaku Konsumen CBMG