KLASIFIKASI PENGGUNAAN DATA TRAFIK INTERNET MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE
Abstrak
Tak dapat dipungkiri saat ini internet merupakan sesuatu yang sangat penting untuk berbagai kebutuhan. Tidak terkecuali di STMIK Widya Cipta Dharma. Internet banyak digunakan dalam lingkungan kampus, baik oleh mahasiswa, dosen dan juga tenaga kependidikan. Kegiatan belajar mengajar dan juga pekerjaan dalam lingkungan kampus tidak terlepas dari kebutuhan penggunaan internet. Namun waktu penggunaan internet juga terkadang menumpuk dalam jam-jam tertentu dan menyebabkan kecepatan internet menjadi lambat. Hal itu dipengaruhi oleh banyaknya pengiriman paket header pada flow/arus lalu lintas internet sehingga koneksi menjadi berat dan terasa lambat. Oleh karena itu, dibutuhkan suatu metode klasifikasi yang dapat memberikan informasi mengenai aktivitas mahasiswa, dosen dan tenaga kependidikan dalam penggunaan internet. Adapun algoritma klasifikasi yang digunakan adalah klasifikasi Support Vector Machine (SVM). Metode pengembangan yang digunakan adalah SKKNI Nomor 299 Tahun 2020. Parameter yang digunakan adalah arus paket yang dikirim oleh user dan paket yang diterima oleh user. Adapun hasil penelitian ini berupa model algoritma SVM yang dapat mengklasifikasikan arus penggunaan trafik internet dengan empat kategori yaitu Download, Game, SocialNetwork, dan Web yang memiliki akurasi 64% dengan menggunakan kernel Radial Basis Function (RBF). Hasil akurasi yang dihasilkan cukup rendah dan membuat algoritma SVM tidak cocok untuk melakukan klasifikasi trafik internet dan perlunya metode lain untuk mengklasifikasikan trafik internet.
##plugins.generic.usageStats.downloads##
Referensi
S. Riyadi, “Penerapan Metode Naive Bayes dalam Pengklasifikasi Trafik Jaringan,” SMATIKA Jurnal, vol. 6, no. 2, p. 29, 2016, doi: 10.32664/smatika.v6i02.45
N. Al Khater and R. E. Overill, “Network traffic classification techniques and challenges,” in 2015 Tenth International Conference on Digital Information Management (ICDIM), Oct. 2015, doi: 10.1109/ICDIM.2015.7381869.
M. J. Zaki and J. W. Meira, Data Mining and Analysis. Cambridge University Press, 2014. doi: 10.1017/CBO9780511810114.
E. Prasetyo, Data Mining : mengolah data menjadi informasi menggunakan Matlab. Yogyakarta: Andi, 2014.
Suyanto, Data mining : untuk klasifikasi dan klasterisasi data. Bandung: Penerbit Informatika, 2017.
R. R. R. Arisandi, B. Warsito, and A. R. Hakim, “Aplikasi Naïve Bayes Classifier (Nbc) Pada Klasifikasi Status Gizi Balita Stunting Dengan Pengujian K-Fold Cross Validation,” Jurnal Gaussian, vol. 11, no. 1, pp. 130–139, May 2022, doi: 10.14710/j.gauss.v11i1.33991.
T. Kurniawan, “Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Media Mainstream Menggunakan Naïve Bayes Classifier dan Support Vector Machine,” Skirpsi Institut Teknologi Sepuluh Nopember, Surabaya, 2017.
M. Nishom, “Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering berbasis Chi-Square,” Jurnal Pengembangan IT (JPIT), Vol. 4, No. 1, pp. 20–24, Jan. 2019, doi: 10.30591/jpit.v4i1.1253.
N. Hadianto, H. B. Novitasari, and A. Rahmawati, “Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network,” Jurnal Pilar Nusa Mandiri, vol. 15, no. 2, pp. 163–170, September 2019, doi: 10.33480/pilar.v15i2.658.
N. A. Rakhmawati, D. B. Aletha, L. P. G. Widiastuti, A. S. Laka Kaki, and A. T. Aminullah, “Klasterisasi Peraturan Daerah di Seluruh Wilayah Jawa dengan Menggunakan Algoritma K-means,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 9, no. 2, pp. 242–246, Juli 2020, doi: 10.32736/sisfokom.v9i2.816.
Z. Aouini and A. Pekar, “NFStream,” Computer Networks, vol. 204, Februari 2022, doi: 10.1016/j.comnet.2021.108719.
##submission.copyrightStatement##
##submission.license.cc.by4.footer##Penulis yang mengirimkan naskah harus memahami dan menyetujui bahwa jika diterima untuk diterbitkan, penulis memiliki hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution (CC-BY) 4.0 License yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.