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 K-
NN.
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
5
BAB II KAJIAN PUSTAKA
