1
BAB I PENDAHULUAN
1.1
Latar Belakang Pada saat ini komunikasi data pada jaringan internet telah mencapai
kemajuan yang sangat pesat, ditandai oleh pemakaiannya yang lebih beragam dan teknologi yang digunakan sudah sangat jauh berbeda. Hingga sudah begitu banyak variasi data yang disebarkan melalui internet, yang dulunya hanya melewati paket-paket data biasa, kini sesuai dengan kebutuhan trafik internet sudah dilewati paket-paket multimedia seperti audio dan video. Hal ini akan berakibat pada meningkatnya trafik data yang dapat menyebabkan penurunan performansi jaringan terutama pada jaringan yang memiliki bandwidth terbatas (Azhari, 2006). Trafik jaringan internet adalah lalu lintas komunikasi data dalam jaringan yang ditandai dengan satu set aliran statistik dengan penerapan pola terstruktur. Pola terstruktur yang dimaksud adalah informasi dari header paket data. Klasifikasi yang tepat terhadap sebuah trafik internet sangat penting dilakukan terutama dalam hal disain perancangan arsitektur jaringan, manajemen jaringan dan keamanan jaringan. Klasifikasi yang dilakukan adalah berdasarkan atas banyaknya tipe aktifitas komunikasi. Aktifitas komunikasi dalam jaringan komputer diatur dalam proses komunikasi menggunakan protokol jaringan. Analisa terhadap suatu trafik jaringan komputer merupakan salah satu cara mengetahui penggunaan protokol komunikasi jaringan komputer, sehingga dapat menjadi dasar penentuan prioritas Quality of Service (QoS). Banyaknya penggunaan protokol jaringan dalam suatu komunikasi terkadang menuntut adanya penggunaan prioritas layanan komunikasi seperti kualitias troughput, waktu tunda, kehandalan dan keamanan komunikasi. Penggunaan pioritas layanan sering disebut dengan istilah QoS. Dasar pemberian prioritas QoS adalah dengan penganalisaan terhadap trafik jaringan. Terkait dengan klasifikasi trafik jaringan komputer, beberapa penelitian telah dilakukan dengan fokus pada penerapan data mining. Penelitian tentang
2
Network Traffic Classification Using Correlation Information dilakukan oleh Jun Zhang, dkk (2011) adalah klasifikasi yang menggunakan metode K-Neaerest Neighbor (K-NN) pada trafik jaringan. Dimana pengklasifikasian ini mampu meningkatkan kinerja klasifikasi yang efektif dengan memasukkan informasi ke dalam pengklasifikasian. Penerapan teknik klasifikasi K-NN, juga dilakukan oleh (Kim dkk, 2008) dan (Tom dkk, 2001), pada klasifikasi tersebut memerlukan prosedur pelatihan intensif untuk parameter klasifikasi. Analisis terhadap algoritma K-NN juga dilakukan oleh Duda, dkk (2001), dimana K-NN mampu menangani klasifikasi dalam jumlah kelas yang besar. Dalam sudut pandang ini, maka K-NN dapat diterapkan untuk klasifikasi lalu lintas di lingkungan jaringan yang kompleks. Duda, dkk (2001), juga menjelaskan bahwa klasifikasi K-NN dapat mencapai kinerja hampir sama dengan pengklasifikasi parameter Support Vector Machine (SVM) dan Jaring Saraf Tiruan (JST). Berdasarkan hasil-hasil penelitian diatas, maka penelitian ini mengusulkan teknik klasifikasi trafik jaringan komputer Universitas Udayana menggunakan algoritma K-NN. Sasarannya adalah untuk memperoleh parameter atau klasifikasi Qos yang tepat untuk trafik jaringan Universitas Udayana. Informasi data trafik internet Universitas Udayana diambil atau diperoleh melalui mekanisme Capture data menggunakan aplikasi perangkat lunak wireshar. Hasil data trafik capture akan diolah dengan proses data maining dengan menggunakan algoritma K-NN. Algoritma K-NN mengklasifikasi Qos berdasarkan tingkat kemiripan data uji dengan data pelatihan. 1.2
Rumusan Masalah Berdasarkan latar belakang yang telah diuraikan, maka rumusan
permasalahan yang akan dibahas lebih lanjut dalam penelitian ini adalah sebagai berikut: 1.
Bagaimanakah menerapkan teknik K-NN untuk klasifikasi trafik jaringan di Universitas Udayana?
3
2.
Bagaimanakah Akurasi trafik jaringan internet Universitas Udayana didasarkan pada label kelas yang sudah ditetapkan ?
1.3
Tujuan Menghasilkan system pengklasifikasian dalam jaringan komputer dengan
penggunaan data capture trafik jaringan yang diolah menggunakan algoritma KNN. 1.4
Manfaat Adapun manfaat yang dapat diambil dari penyusunan tugas akhir ini adalah
sebagai berikut : 1.
Bagi penulis, dapat memperkaya pengetahuan di bidang Pengklassifikasi trafik jaringan menggunakan metode K-NN.
2.
Terbentuknya klasifikasi penentu Qos jaringan komputer dengan proses klasifikasi yang didapat dari data capture trafik jaringan sehingga dalam hal pembacaan tidak secara manual yang mengharuskan membaca dari record dalam jumlah besar.
1.5
Ruang Lingkup Dan Batasan Masalah Dengan luasnya cakupan yang dapat terkait dengan tugas akhir ini dan
untuk keseragaman pemahaman dalam penelitian, maka terdapat batasan-batasan yang perlu diberlakukan pada tugas akhir ini. Adaupun batasan permasalahan yang penulis angkat pada penelitian ini adalah : a. Penggunaan data input yang digunakan adalah dari capture trafik jaringan dalam bentuk .csv yang di dapat dari penggunaan tool wireshark. b. Algoritma pengklasifikasian yang digunakan adalah K-NN. c. Data set yang digunakan untuk proses klasifikasi adalah dengan membangun dataset tersendiri. d. Waktu pengambilan trafik jaringan yang dilakukan adalah selama 4 menit. e. Data uji yang digunakan dalam fase pengujian system adalah data sample dari trafik jaringan Universitas Udayana di gedung GDLN.
4
1.6
Sistematika Penulisan Sistematika penulisan dalam penyusunan tugas akhir ini terdiri dari pokok
pembahasan yang saling berkaitan antara satu dengan lainnya, yaitu : BAB I PENDAHULUAN Bab ini membahas mengenai gambaran umum penelitian mulai dari latar belakang, rumusan masalah, tujuan penulisan, manfaat penelitian, batasan masalah dan sistematika penulisan. BAB II TINJAUAN PUSTAKA Bab
ini
berisikan
teori-teori
dasar
yang
digunakan
dalam
pengklasifikasian penggunaan protocol komunikasi pada trafik jaringan menggunakan algoritma K-NN sebagai penentu Qos. BAB III METODE PERANCANGAN SISTEM Bab ini menjelaskan mengenai lokasi dilakukan penelitian, waktu penelitian dimulai, sumber dan jenis data yang akan diolah dalam penelitian, alat-alat penunjang dalam penelitian, dan tahapan penelitian yang dimulai dari alur analisis penelitian, hingga simulasi sistem pengklasifikasian menggunakan algoritma K-NN. BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan dibahas mengenai penerapan algoritma k-nearest neighbor ke dalam sistem serta pengujiannya. BAB V PENUTUP Dalam bab ini akan dijelaskan mengenai kesimpulan yang didapatkan dari pembahasan tentang sistem pengklasifikasian Trafik Jaringan dengan menggunakan algoritma k-nearest neighbor, disertai beberapa saran sebagai hasil akhir dari penelitian yang telah dilakukan
5
