Implementasi Naive Bayes Pada Proxy Server Untuk Klasifikasi Pengguna Internet

  

Vol. 2, No. 11, November 2018, hlm. 4462-4470 http://j-ptiik.ub.ac.id

Implementasi Naive Bayes Pada Proxy Server Untuk Klasifikasi Pengguna

_{1 2,}

Internet

₃ Siwi Rahmat Januar , Rakhmadhany Primananda Mochammad Hannats Hanafi Ichsan

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

  1

  2

  3 Email: 125150200111019@mail.ub.ac.id, rakhmadhany@ub.ac.id, hanas.hanafi@ub.ac.id

Abstrak

Penggunaan akses jaringan internet di seluruh dunia mempunyai perkembangan yang sangat pesat.

  Banyak informasi yang diambil dengan sangat mudah. keberadaaan internet dapat memiliki dampak buruk dan memiliki dampak baik bagi penggunanya. Dengan adanya permasalahan tersebut, diperlukan suatu langkah untuk menganalisa jumlah perkembangan kriteria pengguna internet dengan cara mengumpulkan semua aktivitas informasi yang diminta oleh penggunanya dengan menggunakan squid server yang nantinya dapat melakukan Klasifikasi pengelompokan jenis karakter pengguna internet dengan menggunakan algoritme naive bayes. Naive Bayes Classifier (NBC) dapat membentuk tabel probabilitas sebagai dasar proses klasifikasi yang dapat memprediksi dan memberikan rekomendasi untuk proses yang diolah dengan nilai optimal. Hasil pengujian akan berpengaruh dengan faktor data klasifikasi yang diambil dalam menentukan hasil dari klasifikasinya. Setelah ditemukan nilai dari kategori naïve bayes, maka pada router mikrotik akan dilakukan pemblokiran website yang mengandung konten negatif. Dari hasil penelitian dan pengujian penentuan pengelompokan dapat menghasilkan nilai algoritma Naive Bayes dengan tingkat akurasi sampai dengan nilai maksimal 98,2%.

  Kata kunci : Pengguna, Klasifikasi, Squid, Naive Bayes

Abstract

  

The use of internet network access around the world has a very rapid development. A lot of information

is taken very easily. the existence of the internet can have adverse impact and have a good impact for

its users. With this problem, we need a step to analyze the amount of development criteria internet users

by collecting all the information activities requested by users by using a squid server that will be able

to Classify the grouping of Internet user character types using naive bayes algorithm. The Naive Bayes

Classifier (NBC) can form a probability table as the basis of a classification process that can predict

and provide recommendations for processes processed with optimum value. Test results will affect the

data classification factors taken in determining the results of the classification. Once found the value of

the category naïve bayes, then the mikrotik router will be blocking websites containing negative content.

From the results of research and testing the determination of clustering can yield the value of Naive

Bayes algorithm with accuracy level up to a maximum value of 98.2%.

  Keywords : User, Classification, Squid, Naive Bayes peningkatan sebesar 28% pada tahun 2014.

1. PENDAHULUAN Pemerintah saat ini dalam melakukan upaya

  pembatasan akses pada setiap jaringan internet Penggunaan akses jaringan internet di yang berada diseluruh indonesia dengan seluruh dunia mempunyai perkembangan yang membangun program internet positif pada juli sangat pesat. Menurut pengumpulan data yang

  2014, dalam rangka mengantisipasi website diperoleh dari Asosiasi Penyelengara Jasa ilegal yang bertentangan dengan Undang

  Internet Indonesia (APJII) sejak tahun 2013 Undang Informasi dan Transaksi Elektonik (UU sampai 2014, penetrasi angka pengguna di

  ITE) pasal 27 tentang konten ilegal, yang indonesia terus mengalami peningkatan yang menangani situs bermuatan negatif yang tinggi sebesar 71,19 juta penggunaan internet disahkan oleh Menteri Komunikasi Dan diindonesia pada awal 2013 hingga dengan

  Fakultas Ilmu Komputer Universitas Brawijaya

4462

  Informasi (MenKomInfo) dalam memblokir sejumlah Uniform Resource Locator (URL) yang dianggap tidak pantas dalam menampilkan informasi yang merugikan penggunanya. Dengan adanya permasalahan tersebut, diperlukan suatu langkah untuk menganalisa jumlah perkembangan kriteria pengguna, dengan cara mengumpulkan semua aktivitas kegiatan aktivitas akses pengguna internet.

  Gambar 1.Aplikasi SARG (Squid Analysis Report Generator) 2. 3 Preprocessing

  melakukan perubahan tuk dijadikan data mentah. Metadata tag dapat digunakan sebagai data yang berpengaruh dalam mengumpulkan informasi dan penandaan yang

  2. 4 Data Proccesing Data Proccesing adalah proses yang dapat

  3. Reguler Expression (REGEX) : tehnik yang digunakan dalam memasukkan data string simbol, text, angka untuk mencocokkan simbol yang memiliki kesamaan dari text yang dicari.

  2. Filtering : proses filtering untuk menghapus text simbol. Proses stopword dilakukan dengan pencocokan kalimat apakah masuk stopword yang dicariatau tidak. Apabila sebuah kata masuk didalam daftar stopword maka kata tesebut akan diproses dan dilanjutkan pada proses pencarian berikutnya.

  whitespace , seperti enter, tabulasi, spasi, dan lain-lain.

  Tokenisasi : proses untuk dapat memecah sekumpulan text simbol berupa karakter

  Preprocessing adalah langkah untuk membuat suatu informasi data mentah untuk dijadikan data yang berkualitas. Untuk dapat melakukan pemrosesan text, maka yang dapat dilakukan preprocessing sebagai berikut : 1.

  GET link Uniform Resource Locator(URL) yang diambil dari aktifitas penggunanya.

  Pendekatan dalam pengambilan capture Data pada aktivitas pengguna dilakukan dengan menyisipkan perangkat Router Mikrotik pada suatu jaringan internet di suatu lingkungan dengan menggunakan web proxy. Fungsi dari web proxy menjadi perantara antara pengguna dengan server squid itu sendiri, sehingga data aktivitas pengguna internet dapat dikumpulkan. Pengambilan jenis kriteria pengguna diambil dengan metode Naive Bayes. Ide dasar dari Naive Bayes adalah machine learning yang menggunakan perhitungan probabilitas data yang ada, dalam arti dapat melakukan pengelompokan pada data data yang didapat.

  saat berjalan dengan merekam POST dan

  Server

  2. Squid (software) : aplikasi pada aplikasi proxy server pada linux/ubuntu yang befungsi mempercepat tingkat permintaan data yang diminta sebelumnya tersimpan pada webcache. Pada Gambar 1 proses saat aplikasi Squid

  Proxy : berguna sebagai perangkat pendukung yang bertindak sebagai pelayan atau gateway kepada sumber informasi untuk mendapatkan sumber yang dibutuhkan.

  aplikasi tersetruktur yang dibutuhkan untuk merekam seluruh kegiatan aktifitas pengguna. Kebutuhan penting dalam menggunakan SARG (Squid Analysis Report Generator) adalah : 1.

  2. 2 Squid Analysis Report Generator Squid Analysis Report Generator (SARG)

  Karakteristik pengguna merupakan pergerakan aktifitas pengguna yang memiliki nilai pembanding antara pengguna satu dengan pengguna lainnya yang disebabkan oleh informasi yang selalu berkembang setiap waktunya. Apalagi Website saat ini salah satu sumber infirmasi yang membantu penggunannya dalam mendapatkan informasi yang diinginkan secara cepat.

  Berdasarkan dari latar belakang yang telah dipaparkan, dapat disimpulkan bahwa metode naive bayes dapat melakukan pengelompokan jenis Karakter pengguna internet dengan mengambil data melalui squid server sebagai data mentah yang dapat dijadikan data berkualitas.

2. PERSAMAAN MATEMATIKA 2. 1 Karakteristik Pengguna

  5. Probabilitas akhir (Posterior) bersyarat penentuan hasil dari klasifikasi dengan nilai

  Data latih : diambil melalui suatu contoh yang sudah memiliki hasil. Pengambilan datalatih bisa berupa angka ataupun text yang bertolak ukur sebagai pengukur hasil dari perhitungan keberhasilan klasifikasi menggunakan metode Naive Bayes.

  Keterangan: ni : jumlah dari nilai satu kategori N total : jumlah seluruh total ni Ft : frekuensi Term d : dokumen

  ) (5)

  ℎ = (

  Keterangan : : rata rata hitung : Nilai sample ke-i : Jumlah sampel 4. Probabilitas : pada suatu data latih akan dihitung nilai dari likehood untuk mengetahui nilai dari pembanding antara kategori. Rumus likelihood dinotasikan sebagai berikut:

  1+ 2+ 3+⋯+ (3)

  =

  3. Probabilitas awal (Prior) : diambil dari nilai rata rata pada data latih.Prior dapat dihiting dengan menghitung nilai dari rata rata dengan cara sebagai berikut:

  Keterangan: Ft : Frekuensi Term d : Dokumen

  (2)

  = { 0 , =0 1+ 10 ( , ), , >0

  dalam pencarian informasi dengan pengukuran tingkat similaritas karena dapat mempresentasikan hasil informasi secara terurut berdasarkan kemiripan antara query dengan informasi yang ada pada dokumen karya ilmiah.

  Frequency (TF-IDF) : Mempermudah

  2. Term Frequency – Inverse Document

  P(X|H) : Nilai dari Probabilitas X dengan kondisi berdasarkan hipotesis H. P(X) : Nilai dari probabilitas X Untuk mencari hasil data pengelompokan dapat diselesaikan dengan menggunakan langkah- langkah berikut : 1.

  dilakukan untuk melakukan fungsi-fungsi seperti membantu dalam klasifikasi, menandai kepemilikan, batas-batas notting, dan menunjukkan identitas online. Berikut adalah yang dapat digunakan dalam Metadata : 1.

  P(H) : Nilai dari Probabilitas Hiptesis H (Prior Probabilitas)

  Berdasarakan kondisi X (posterior Probabilitas)

  Diketahui H : Hipotesis dari kelas/class yang spesifik P(H|X) : Nilai dari Probabilitas Hipotesis H

  Keterangan : X : Data dengan class yang belum

  (1)

  ( | ) = ( | ). ( ) ( )

  Naive Bayes merupakan suatu cara untuk dapat menentukan dalam pengambilan keputusan dalam menentukan kelas pada suatu data yang melum diketahui nilainnya metode probabilitas yang terstruktur yang dikembangkan oleh ilmuwan Inggris Thomas Bayes. Rumus dari Teorema Bayes adalah sebagai berikut :

  2. 5 Naive Bayes Algorithm

  Tabel 3. Metadata Tag Description Metadata <meta name = "description" content = "Learnin g about Meta Tags." />

  Decription sebagai suatu penjelasan tentang website tersebut. Pada Decription dapat ditentukan dengan format seperti:

  Tabel 2. Metadata Tag Keyword Metadata <meta name = "keywords" content = "HTML, Meta Tags, Metadata" /> 3.

  2. Keyword dapat disebut dengan bentuk data terpenting yang masih memiliki arti yang luas Didalamnnya. Pada sebuah sourcecode dari Tabel 2 keyword dapat ditentukan dengan format seperti ini :

  Tabel 1. Metadata Tag Titel Metadata <title> Meta Tags Example </title>

  Titel biasa juga disebut dengan judul pada suatu website. Pada sebuah sourcecode dari Tabel 1 dapat ditentukan dengan format seperti :

• 1
• ,
• (8)

  Gambar 3 .Pengujian Traceroute

  Tabel 4. Tabel Pengujian Conffusion Matrix Nilai Sebenarnnya Nilai Prediksi Data Benar TP (True Positive) FP (False Positive) Data Salah FN (False Negative) TN (True Negative)

  4. Pengujian Traceroute adalah untuk mengetahui apakah pada suatu alamat yang dituju memiliki jalur/rute-rute yang dilalui data packet untuk menuju pada tujuan data. Data yang dikirimkan berupa pesan ICMP (Internet Control Message Protocol)yang berupa permintaan Echo Request dengan mengetahui nilai informasi Time to Live. Jalur atau rute yang diberikan informasinya adalah daftar list hubungan antara interface router (yang paling dekat dengan host) yang menghubungkan antara jalur host dan tujuan.

  Gambar 2. Pengujian Ping

  Negatif hasil Tidak sesuai) 3. Pengujian Ping dilakukan untuk apakah terhubung dengan web yang diuji. Jika pada ping memiliki nilai reply maka pada web yang diuji memberikan respon kepada komputer.

  Keterangan : TP : True Positif (Pengguna Positif hasil sesuai) FN : False Negatif(Pengguna

  Recall =

  Keterangan : TP : True Positif (Pengguna Positif hasil sesuai) FP : False Positif(Pengguna Positif hasil Tidak sesuai)

  Precision =

  2. Pengujian Conffusion Matrix

  terbesar dari seluruh kategori. Rumus posterior dinotasikan sebagai:

  1. Pengujian Analisis uji coba pencarian Metadata Tag dilakukan menggunakan aplikasi Meta Tag Analizer dimana berfungsi untuk tolak ukur dalam mencari data metadata tag deskripsi yang dapat dilihat jumlah kecocokan antara system dengan tools yang ada.

  dimana mencari jumlah kecocokan antara system dengan tools yang ada.

  browser dimana berfungsi sebagai tolak ukur

  Pengujian dilakukan dengan menggunakan aplikasi yaitu wireshark software dan riwayat

  2. 6 Pengujian

  Keterangan : Prior : Nilai rata rata Likehood : Nilai maksimum Evidence : Perbandingan dengan kelas lainnya

  (6)

  = ℎ

• Precision berfungsi sebagai salah satu cara untuk mengetahui tingkar akurasi dan ketepatan antara informasi hasil dari pengguna dan di bandingkan dengan sistem.
• (7)
• Recall adalah metode dalam mengukur tingkat keberhasilan sistem dengan sebuah informasi kemungkinan pada pengujian

  5. Pengujian nslookup menguji permintaan informasi mengenai alamat ip public yang dapat diakses tanpa menggunakan nama domain . jika pada domain memiliki ip public lainnya maka domain tersebut dapat terhubung dengan cara melakukan ping/melakukan browsing secara satu per satu.

  Gambar 4.Pengujian Nslookup

  6. Pengujian akses browser dilakukan dengan cara manual dan tidak efisien dimana pengguna akan memasukkan alamat Url yang di tuju . dalam pengujian ini jika pada alamat url yang dituju dapat memberikan informasi maka alamat URL tersebut dapat terhubung.

  Gambar 5 .Pengujian Browser 7.

  Pengujian Proxy menggunakan perantara dengan system komputer komputer lain yang bertindak sebagai perantara permintaan dari client untuk mencari sumber daya dari suatu website yang di blokir.

  Gambar 6. Pengujian Proxy 3.

   PERANCANGAN

  Perancangan dilakukan sesudah didapatkan seluruh data dari analisis kebutuhan yag sudah terkumpul. Dalam pembuatan sistem ini fokus dari perancangannya adalah antara router board,

  Web Proxy dan Squid Server. Gambar 7

  merupakan perencanaan topologi yang akan di buat:

  Internet Service _Provide Squid Server ^{Router Board Mikrotik Switch 5 Port Akses Point 1 Akses Point 2 Akses Point 3 User/Pengguna} Gambar 7. Topologi Jaringan

  Implementasi dalam pengembangan Implentasi Naive Byes Pada Proxy Server Untuk klasifikasi Pengguna Internet yang mencakup cara kerja algoritma dan sesuai dengan hasil perancangan antarmuka. Gambar 8 halaman utama system dimana sudah melakukan proses pemilihan kategori yang di tentukan oleh sistem server. Pada Gambar 9 Terlihat hasil sudah ditemukan oleh system dan sudah dilakukan pemblokiran terhadap Uniform Resource

  Locator (URL) tersebut. Gambar 8. Tampilan System Gambar 9. Tampilan Blacklist 4.

PENGUJIAN DAN ANALISIS

  Tahap pengujian proses uji yang dilakukan adalah melalui cara pencocokan terhadap hasil perhitungan sistem. Tahap uji ini dilakukan dengan cara yang tidak efektif. Dimana pengujian dilakukan dengan meliputi pengujian seperti PengujianSquid Server, metadata tag, akurasi, dan Uji Akses.

  4. 3 Hasil Pengujian Akurasi 200 400

  System NBC System Metadat

  15 Uji Coba Pencarian Metadata Tag

  80

  40

  20

  10

  500 1000

  Squid Server Wireshar k

  15 0…

  40 … 80 …

  10 … 20 …

  dapat disimpulkan bahwa proses dalam pencarian informasi metadata deskripsi memiliki nilai integritas yang berbeda dari pengujian tersebut.

  4. 1 Hasil dan Analisis Uji Squid Gambar 10. Pengujian Squid Server

  History Browser . Hasil dari pola grafik tesebut

  nilai pengujian terbaik adalah dengan menggunakan squid server karena data URL yang masuk tidak berulang seperti pengujian

  client . Pada hasil grafik Gambar 11 disimpulkan

  disimpan kedalam riwayat akses pada komputer

  browser .Semua aktifitas akan direkam dan

  /pengguna pada

  client

  Dari Gambar 11 terjadi peningkatan yang berbeda dengan menggunakan pengumpulan data squid server, wireshark dan history browser dimana data yang paling banyak ditangkap adalah pada history browser yang diambil melalui aktifitas

  4. 2 Hasil dan Analisis Uji Coba Metadata tag Gambar 11. Pengujian Metadata

  ditangkap adalah pada history browser yang diambil melalui aktifitas client/pengguna dimana pada browser semua aktifitas akan di rekam dan di simpan kedalam riwayat akses pada komputer client. Pada hasil grafik gambar 10 disimpulkan nilai pengujian terbaik adalah dengan menggunakan squid server karena data URL yang masuk tidak berulang ulang seperti pengujian History Browser. Hasil dari pola grafik tesebut dapat disimpulkan bahwa proses dalam pencarian informasi metadata deskripsi memiliki nilai integritas yang berbeda dari masing masing pengujian tersebut.

  browser dimana data yang paling banyak

  Dari Gambar.10 terjadi peningkatan yang berbeda dengan menggunakan pengumpulan data squid server, wireshark dan history

ANALISIS SQUID

  Gambar 12. Pengujian Akurasi

  Analisis Karakteristik Individu Dan Prilaku Pengguna Internet Banking: Realibilitas Dan Validitas Instrumen Pengukuran. ISBN: 979-756-061-6.

  mulai dari pengumpulan data URL (Uniform Resource Locator) sampai dengan hasil dari naïve bayes di temukan Pemblokiran akses akan dilakukan melalui pernagkat router mikrotik dengan cara memanfaatkan API ( applicationprogramminginterface ) mengg unakan perintah CLI (Command line) yang dapat dilakukan printah secara terprogram.

  4. Pengujian dilakukan dengan cara manual, dengan melihat hasil perbedaan dengan

  tools yang digunakan .

  6. DAFTAR PUSTAKA

  Adam Mohammed Saliu & Mohammed Idris Kolo.,2013. Internet authentication and billing (hotspot) system using MikroTik router operating system. International Journal of Wireless Communications and Mobile Computing, 1(1): 51-57.

  Andrew McCallum & Kamal Nigam.,2015 A Comparison of Event Models for Naive Bayes Text Classi_cation. Darpa HPKB program under contract F30602-97-1- 0215 Ashur Harmadi dan Budi Hermana.,2005.

  Asosiasi Penyelenggara JasaInternet Indonesia., 2013. Profil Pengguma Internet Indonesia 2014.

  Pada grafik Gambar 12 dilihat bahwa setiap skenario memiliki nilai Precision, Reccal,

  100 200 10 20 40 80 150

  Pengujian Akurasi Precision Recall Acuracy

  2

  4

  10

  20 40 80 150

  Ping Tracerout e Nslookup

  Locator (URL) dilakukan ketika proses

  3. Cara pemblokiran Uniform Resource

  deskripsi pada suatu Web yang terdaftar sebelumnya di dalam list SARG. Hasil di tentukan oleh algoritma naïve bayes berpengaruh pada data latih dan nilai dari likepriornnya.

  4. 4 Uji Block Gambar 13. Pengujian Block

  . Untuk dapat mengambil data uji pada proxy squid server diharuskan mencari informasi mengenai

  oxford learner dictionaries

  Pengumpulan data latih diambil dari website Kamus Besar Bahasa Indonesia (KBBI) dan website kamus inggris versi

  2. Metode naïve bayes mempunyai syarat memiliki data latih dan data uji.

  access.log .

  Accuracy, dan Error-rate yang berbeda beda

  yang saling terhimpit dengan garis frekuensi kategori dan frekuensi error yang menghasilkan kategori sangat baik dalam penentuan akurasinnya dan hal tersebut dapat diambil kesimpulan bahwa penentuan penetapan akurasi kategori naive bayes memenuhi syarat dari sudut pandang pengujian akurasi yang dihasilkan untuk penentuan system.

  metadata tag

UJI BLOCK

  kesimpulan bahwa uji coba pemblokiran yang berhasil keseluruhannya pada Nslookup, Akses. Hal ini terbukti dari Gambar 13yang memiliki hasil yang sama. Hal ini dapat membuktikan jenis link url yang diizinkan oleh system untuk tidak dapat melakukan akses permintaan akses content web.

  Akses Browser, Proxy dapat ditarik sebuah

  Jika dilihat pada Gambar 13 terhadap percobaan uji akses Ping, Traceroute, Nslookup,

5. HASIL DAN PEMBAHASAN

  Hasil dari perancangan, analisis, implementasi, pengujian dan analisis hasil maka dalam penelitian ini dapat disimpulkan:

  Resource Locator) Dilakukan selama squid

  server berjalan dengan melakukan perintah pada terminal pada linux yang disimpan kedalam log squid dengan nama default

  1. Pengumpulan data URL (Uniform

  Amir Hamzah., 2012.Klasidikasi Teks Dengan Gencho Stoitsov&Vasil Rangelov.,2014 .One Naive Bayes Classifier (NBC) Untuk implementation of API interface for Pengelompokan Teks Berita Dan RouterOS.TEM Journal

• – Volume 3 / Abstract Akademis. Prosiding Seminar Number 2 / 2014. Nasional Aplikasi Sains & Teknologi (SNAST) Periode III. Hidayatul Rahman. Naive Bayes Algorithm.

  Tersedia di: Andy Rachman., 2011. Rancang Bangun Proxy

  Server Dan Analisis Pemakai Internet Dengan Menggunakan SARG(Studi > [Diakses 1 Februari 2016] Kasus di BMKG Juanda Surabaya).

  AzwarRhosyied, dan& Bambang Wijanarko Idayatul Rahman. Naive Bayes Algorithm.

  Tersedia di: < Otok., 2014. Analisa Pengaruh https://www.youtube.com/watch?v=laOkbwUx Pengguna Internet Sebagai Media Belajar, Motivasi Belajar Dan 0ws> [Diakses 25Februari 2016] Kreativitas Terhadap Prestasi Belajar Siswa Dengan Menggunakan Structural Equation Modeling.

  Jamal Muhlis. Konfigurasi Mikrotik dan Squid Proxy. Tersedia di:

  Biswanath Dutta & Durgesh Nandini., 2015. <https://www.academia.edu/4739436/K MOD: Metadata for Ontology onfigurasi_Mikrotik_dan_Squid_Proxy Description and Publication.

  Proc. Int’l > [Diakses 25Februari 2016] Conf. on Dublin Core and Metadata Applications.

  Kanchana Ihalagedara., 2015 Feasibility of Using Machine Learning to Access

  Chi-Wing Lo &Qin Lu and Kwun-Tak Ng. 2002 Control in Squid Proxy Server.

  Character-Image Search Engine. IEEE Proceedings of the Fourth Engineering SMC TPlE2.

  Students’ Conference at Peradeniya 2015 (ESCaPe’15). Dr. S. Vijayarani& Ms. J. Ilamathi,

  2012.Preprocessing Techniques for Text kbbi.web.id. Kamus Besar Bahasa Indonesia Mining - An Overview. Dr.S.Vijayarani

  (KBBI). Tersedia di: et al , International Journal of Computer <http://kbbi.web.id/karakter> [Diakses

  Science & Communication

  25Februari 2016] Networks,Vol 5(1),7-16. Lin Lv& Yu-Shu Liu.,2008. Research Of Dr.S.Kannan, Vairaprakash Gurusamy,. 2014.

  Research Of English Text Classification Preprocessing Techniques for ext Methods Based On Semantic Meaning.

  Mining. Available from: Vairaprakash Lina Noviandari. Naive Bayes Algorithm. Gurusamy Retrieved on: 22 February

  Tersedia di: 2016

  <https://id.techinasia.com/talk/statistik- Evangelos P. Markatos, Dionisios N. pengguna-internet-dan-media-sosial-

  Pnevmatikatos., 2002Web-Conscious terbaru-2015> [Diakses 20Februari Storage Management for Web Proxies.

  2016]

  IEEE/ACM TRANSACTIONS ON NETWORKING, VOL. 10, NO. 6.

  Margus Veanes & Peli de Halleux.,2009. Rex: Symbolic Regular Expression Explorer. Mikrotik com Squid3 proxy

  Microsoft Research Technical Report rápido e fácil. Tersedia di: MSR-TR-2009-137. <http://shoiem.blogspot.co.id/2010/04/s ejarah-internet-

  Meizhen Wang & Zhitang Li, Ling Xiao, Yunhe Perkembangannya.html> [Diakses

  Zhang., 2009. Research on Behavior

  25Februari 2016]

  Statistic Based Spam Filter. First <http://elib.unikom.ac.id/files/disk1/63 International Workshop on Education 2/jbptunikompp-gdl-reggypasya-31586- Technology and Computer Science. 11-unikom_r-l.pdf> [Diakses

  16Februari 2016] Mochamad Rizki., 2011. Kontrol Ekspresi

  Wajah Berdasarkan Klasifikasi Teks Silvia Ari santhy., 2013. Sistem Deteksi Menggunakan Metode Naïve Bayes. Pengunaan Tunneling Software. Tersedia di : Tersedia di : <http://repo.pens.ac.id/497/> [Diakses : http://webcache.googleusercontent.com 03- Maret 2016]. /search?q=cache:l7OZUrI69OkJ:ptiik.u b.ac.id/doro/download/article/file/DR00

  Mr.S.V.Gumaste..2013.Proxy Server 094201412+&cd=1&hl=id&ct=clnk&gl Experiment and the Behavior of the =id [Diakses 03 Maret 2016].

  Web.Volume4,NO.2 ,ISSN No. 0976- 5697. Simon Holm Jensen. Modeling the HTML DOM and Browser API in Static Analysis of

  Prof. Rahul Patil..2014. A Hybrid Model to JavaScript Web Applications. Tersedia Detect Phishing-Sites using Clustering di: and Bayesian Approach. International <https://cs.au.dk/~amoeller/papers/dom Conference for Convergence of /paper.pdf> [Diakses 20Februari 2016] Technology.

  Yohanes Ardiyanto Sulaksono, S.Kom., 2013. 07. Regular Expression Matching AnalisaUnjuk Kerja Packet Filtering Can Be Simple And Fast Firewall pada RB450 OS Mikrotik.

  (but is slow in Java, Perl, PHP, Python, Ruby,).

  Tersedia di: <http://mikrotikindo.blogspot.co.id/201 3/04/penjelasan-web-proxy- mikrotik.html> [Diakses 20Februari 2016]

  RN. Tri Hardianto, S.Kom,.2015. Analisis unjuk Kerja Pengaruh Hit Ratio pada Squid Proxy Terhadap Sumber Daya Komputer Server.

  Santanu Santra& Pinaki Pratim Acharjya.,2013.A Study And Analysis on Computer Network Topology For Data Communication. ISSN 2250-2459,

  ISO 9001:2008 Certified Journal, Volume 3, Issue 1. Sang-Bum Kim &Kyoung-Soo Han.,2006.Some

  Effective Techniques for Naive Bayes Text Classification.

  IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, VOL. 18, NO. 11. Selvia Lorena Br Ginting,S.Si., M. Pengguna

  Metode Naive Bayes Classifier Pada Aplikasi Perpustakaan.Tersedia di: