Log Mining Noc Metrasat Bogor Untuk Manajemen Bandwidth Dan Evaluasi Karyawan.

LOG MINING NOC METRASAT BOGOR UNTUK MANAJEMEN
BANDWIDTH DAN EVALUASI KARYAWAN

ARIEF KURNIAWAN

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Log Mining NOC
Metrasat Bogor untuk Manajemen Bandwidth dan Evaluasi Karyawan adalah benar
karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam
bentuk apapun kepada perguruan tinggi mana pun. Sumber informasi yang berasal
atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain
telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.
Bogor, September 2015
Arief Kurniawan
NIM G64124012

ABSTRAK
ARIEF KURNIAWAN. Log Mining NOC Metrasat Bogor untuk Manajemen
Bandwidth dan Evaluasi Karyawan. Dibimbing oleh HERU SUKOCO.
Ruang network operation center (NOC) Metrasat Bogor merupakan pusat
pemantauan jaringan Metrasat. Fungsi ruang NOC ialah memantau seluruh jaringan
dalam bisnis Metrasat, melakukan pemeliharaan jaringan, dan berkomunikasi
dengan pelanggan via pertemuan langsung ataupun online. Untuk mengetahui
penggunaan jaringan pada ruang NOC sudah optimal, perlu dilakukan pengamatan
pada seluruh paket jaringan yang digunakan. Dengan menggunakan aplikasi
network packet analyzer yaitu Wireshark, penggunaan jaringan tersebut dapat
diketahui lalu dijadikan masukan untuk proses data mining menggunakan algoritme
clustering k-means. Hasil dari clustering tersebut dianalisis untuk menghasilkan
suatu model yang dapat digunakan sebagai acuan manajemen bandwidth pada
ruang NOC dan sebagai bahan evaluasi kinerja karyawan apakah sudah optimal
sebagaimana fungsinya. Penelitian ini menunjukkan bahwa karakteristik pengguna

dari setiap kategori pengguna sesuai dengan tugas pokoknya. Pengalokasian
bandwidth untuk operational division sebesar 55%, mobile user sebesar 30%, dan
operational monitoring sebesar 15%.
Kata kunci: analisis jaringan, clustering, data mining, k-means, manajemen
bandwidth, Wireshark.

ABSTRACT
ARIEF KURNIAWAN. Log Mining in NOC Room of Metrasat Bogor for
Bandwidth Management and Evaluation of Employees. Supervised by HERU
SUKOCO.
The network operation center (NOC) room at Metrasat Bogor is a central of
network monitoring. The function of NOC room is monitoring the entire network
in Metrasat business, performing network maintenance, and communicating with
customers via offline or online meetings. In order to determine whether the network
usage is optimal, an observation needs to be done on the entire network traffic that
is used. By using a network packet analyzer application, Wireshark, we can
determine network usage and use it as an input for data mining using k-means
clustering algorithm. The result of clustering is analyzed to produce a model that
can be used as a reference for the network bandwidth management in the NOC room
and performance evaluation for optimal function. This study showed that the

characteristics of each category users according to their main tasks. The allocation
of bandwidth is for operational division at 55%, mobile users at 30%, and
operational monitoring at 15%.
Keywords: clustering, data mining, k-means, bandwidth management, network
analysis, Wireshark.

LOG MINING NOC METRASAT BOGOR UNTUK MANAJEMEN
BANDWIDTH DAN EVALUASI KARYAWAN

ARIEF KURNIAWAN
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR

2015

Penguji:
1 Dr Ir Sri Wahjuni, MT
2 Auriza Rahmad Akbar, SKomp MKom

Judul Skripsi : Log Mining NOC Metrasat Bogor untuk Manajemen Bandwidth
dan Evaluasi Karyawan
Nama
: Arief Kurniawan
NIM
: G64124012

Disetujui oleh

DrEng Heru Sukoco, SSi MT
Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen

Tanggal Lulus :

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan dengan judul Log Mining NOC Metrasat
Bogor untuk Manajemen Bandwidth dan Evaluasi Karyawan.
Penulis mengucapkan terima kepada:
1 Mama, Papa, dan Kakak yang telah memberikan doa serta dukungan moral
sehingga karya ilmiah ini dapat terselesaikan.
2 Bapak DrEng Heru Sukoco, SSi MT selaku pembimbing, Ibu Dr Ir Sri Wahjuni,
MT, dan Bapak Auriza Rahmad Akbar, SKomp MKom selaku penguji yang
telah memberikan banyak saran pada karya ilmiah ini.
3 Bapak Nugroho Wibisono selaku Manager VSAT IP dan Datacom di Metrasat,
dan Bapak Imam Santoso selaku Senior Engineer Datacom yang telah membantu
dalam pengambilan data.
4 Teman-teman Ilkom Alih Jenis Angkatan 7 atas segala bantuan yang diberikan.

Semoga karya ilmiah ini bermanfaat.

Bogor, September 2015
Arief Kurniawan

DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
PENDAHULUAN
Latar Belakang

vi
vi
vi
1
1

Perumusan Masalah

1

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

2

METODE
Analisis Lingkungan Jaringan

2
3

Pengkarakterisasian Beban Kerja

3

Pengamatan dan Pengambilan Paket Jaringan

3

Pengolahan Paket Jaringan

4

Analisis Paket Jaringan

5

Perancangan Manajemen Bandwidth

5

Evaluasi Kinerja Karyawan

6

HASIL DAN PEMBAHASAN
Analisis Lingkungan Jaringan

6
6

Pengkarakterisasian Beban Kerja

7

Pengamatan dan Pengambilan Paket Jaringan

8

Pengolahan Paket Jaringan

8

Analisis Paket Jaringan

10

Perancangan Manajemen Bandwidth

13

Evaluasi Kinerja Karyawan

14

SIMPULAN DAN SARAN
Simpulan
Saran
DAFTAR PUSTAKA
LAMPIRAN

14
14
14
15
17

DAFTAR TABEL
1
2
3
4
5
6
7
8

Perangkat lunak di ruang NOC
Pengalamatan IP
Lingkungan pengembangan
Protokol aplikasi yang digunakan
Kategori protokol aplikasi
Kategori pengguna
Anggota cluster
Jumlah koneksi seluruh cluster

7
7
7
8
9
9
10
13

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12

Metode penelitian
Cisco SPAN (Cisco Systems 2003)
Topologi jaringan Metrasat
Penempatan sniffer pada switch
Sum of squared error
Penggunaan aplikasi web
Penggunaan aplikasi web secure
Penggunaan aplikasi monitoring
Penggunaan aplikasi mail
Penggunaan aplikasi remote access
Penggunaan aplikasi messaging
Model HTB

2
4
6
8
10
11
11
11
12
12
12
13

DAFTAR LAMPIRAN
1
2
3
4
5
6
7

Kriteria HTTP
Kriteria filter pada Wireshark
Lalu lintas paket jaringan
Pengambilan paket jaringan menggunakan Wireshark
Hasil pengambilan paket jaringan
Hasil filtering
Clustering menggunakan WEKA

17
17
18
19
20
21
22

PENDAHULUAN
Latar Belakang
Jaringan komputer merupakan sekumpulan komputer yang saling terkoneksi
melalui suatu medium bisa berupa kabel (wire) atau berupa sinyal elektromagnetik
(wireless) dan network devices (hub, switch, router, dan lain-lain). Melalui jaringan
komputer, pengguna bisa saling berhubungan dan menemukan berbagai informasi.
Meningkatnya kebutuhan akan informasi mendorong peningkatan teknologi
komunikasi data jaringan komputer, yang dituntut memberikan kemudahan akses
dan kecepatan untuk mendapatkan informasi.
Indonesia adalah negara kepulauan di Asia Tenggara yang memiliki 13 487
pulau besar dan kecil, sekitar 6000 di antaranya tidak berpenghuni. Dengan kondisi
ini, banyak pihak yang memerlukan suatu media komunikasi yang dapat mengatasi
keadaan tersebut. Media komunikasi menggunakan satelit yaitu very small aperture
terminal (VSAT) dapat mengatasi keadaan tersebut.
Metrasat merupakan salah satu perusahaan penyedia layanan VSAT. Sampai
tahun 2014, Metrasat sudah memiliki remote lebih dari empat belas ribu titik yang
tersebar di seluruh Indonesia dan terus bertambah (Metrasat 2015). Sebagian besar
pelanggan Metrasat merupakan perusahaan–perusahaan besar yang bergerak di
bidang perbankan, pertambangan, perkebunan, dinas pemerintahan, dan lain lain.
Untuk melakukan pemeliharaan jaringan yang disediakan kepada semua pelanggan,
divisi operation and maintenance (OM) Metrasat memiliki ruang network
operations center (NOC) yang bertempat di Kota Bogor. Berikut fungsi-fungsi dari
ruang NOC:
- pemantauan seluruh jaringan dalam bisnis Metrasat,
- pemeliharaan jaringan,
- komunikasi dengan pelanggan via meeting langsung ataupun online.
Dengan fungsi-fungsi tersebut, ruang NOC harus memiliki jaringan yang
menunjang. Maka diperlukan kebijakan manajemen bandwidth agar penggunaan
jaringan dapat optimal dan kinerja para karyawan harus dievaluasi apakah sudah
benar sesuai dengan tugas pokok dan fungsinya.
Untuk menganalisis penggunaan layanan suatu jaringan internet dapat
berdasarkan pada protokol–protokol aplikasi. Aplikasi Wireshark dapat digunakan
untuk meng-capture dan menganalisis suatu jaringan. Hasil dari analisis tersebut
dapat digunakan untuk memperoleh tingkat utilisasi kinerja (Sianipar 2012). Data
mining dengan algoritme clustering menggunakan metode k-means dapat
mengetahui karakteristik pengguna jaringan berdasar cluster yang diperoleh, dan
hasilnya dapat dijadikan rekomendasi model kebijakan manajemen bandwidth
(Pariwono 2014).
Perumusan Masalah
Perumusan masalah pada penelitian ini adalah bagaimana memperoleh
pengetahuan tentang karakteristik penggunaan jaringan pada ruang NOC Metrasat
Bogor. Pengetahuan tersebut nantinya digunakan untuk merancang model
kebijakan manajemen bandwidth dan sebagai bahan evaluasi kinerja karyawan.

2
Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1 Mengetahui karakteristik pengguna.
2 Melakukan clustering menggunakan algoritme k-means pada paket jaringan
yang diperoleh dari aplikasi Wireshark.
3 Merekomendasikan model kebijakan manajemen bandwidth.
4 Mengevaluasi kinerja karyawan apakah sudah sesuai dengan tugas pokok dan
fungsinya.
Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat memberikan gambaran tentang
karakteristik penggunaan jaringan oleh karyawan di ruang NOC Metrasat Bogor,
sehingga dapat dijadikan bahan pertimbangan dalam perancangan manajemen
bandwidth dan sebagai bahan evaluasi kinerja karyawan apakah sudah sesuai
dengan tugas pokok dan fungsinya masing-masing.
Ruang Lingkup Penelitian
1
2
3
4
5
6

Ruang lingkup pada penelitian ini adalah:
Penelitian dilakukan pada jaringan ruang NOC Metrasat Bogor.
Data yang digunakan adalah paket jaringan yang diperoleh menggunakan
aplikasi Wireshark.
Identifikasi pengguna dilakukan berdasarkan alamat IP.
Clustering menggunakan k-means dilakukan berdasarkan pada sesi koneksi.
Perancangan kebijakan dilakukan berdasarkan hasil analisis clustering.
Evaluasi kinerja karyawan berdasarkan hasil analisis clustering.

METODE
Penelitian ini dilakukan melalui beberapa tahapan proses. Pada Gambar 1
menunjukkan tahapan yang dilakukan dalam penelitian ini.

Gambar 1 Metode penelitian

3
Analisis Lingkungan Jaringan
Untuk dapat memperoleh kinerja jaringan yang representatif, maka
diperlukan pengetahuan mengenai lingkungan jaringan ruang NOC Metrasat Bogor.
Pengetahuan yang diperlukan meliputi:
1 Topologi jaringan dan perangkat keras yang menyusun jaringan tersebut.
2 Perangkat lunak yang digunakan oleh pengguna.
3 Konektivitas jaringan yang meliputi teknologi jaringan yang digunakan dan
segmen-segmen LAN.
Hal ini penting karena dapat digunakan sebagai dasar analisis paket jaringan,
identifikasi segmen alamat IP, dan penempatan perangkat yang dijadikan tolak ukur
(measurement meter).
Pengkarakterisasian Beban Kerja
Menurut Menasce dan Almeida (2002) pengkarakterisasian beban kerja
adalah suatu proses yang secara rinci mendeskripsikan beban kerja dari suatu sistem
secara keseluruhan. Beban kerja ini selanjutnya dapat didekomposisi menjadi
komponen-komponen kerja yang lebih kecil.
Karateristik beban kerja dibagi menjadi:
1 Parameter intensitas beban kerja yang menyediakan suatu pengukuran beban
kerja pada sistem.
2 Parameter permintaan service pada beban kerja yaitu menspesifikasikan total
waktu service yang dibutuhkan oleh komponen utama pada masing-masing
sumber daya.
Pengamatan dan Pengambilan Paket Jaringan
Pada tahap ini dilakukan pengamatan selama satu minggu dengan lama satu
jam setiap harinya pada jaringan ruang NOC untuk menentukan kapan waktu pada
jaringan tersebut mengalami busy hour. Berdasarkan dokumen ITU-T E.600, busy
hour adalah suatu waktu yang berkelanjutan selama satu jam penuh dalam interval
yang memiliki jumlah paket jaringan paling besar.
Penentuan busy hour didapatkan dengan metode average daily peak hour
(ADPH). ADPH adalah metode pengukuran paket jaringan yang menentukan jam
tersibuk yang berbeda-beda untuk setiap harinya (different time for different days),
lalu dirata-ratakan selama periode pengamatan. Untuk menentukan busy hour dapat
menggunakan Persamaan 1 (ITU-T E.600),
N

∝ADPH

1
∑ max∆∝n(∆)
=
N

(1)

n=1

Keterangan:
- ∝ADPH adalah rata-rata jam tersibuk tiap harinya.
- N adalah jumlah hari selama pengamatan dilakukan (contoh N=30)
- ∝� ∆ adalah jumlah rata-rata paket jaringan yang diukur selama selang satu
jam pada hari ke-n.
- ���∆ ∝� ∆ adalah jam sibuk harian pada hari ke-n.

4
Pengambilan paket jaringan selama satu bulan dilakukan pada hari kerja,
karena saat hari kerja jumlah paket data yang digunakan paling besar. Pengambilan
paket jaringan tersebut dilakukan menggunakan switched port analyzer (SPAN),
aliran data jaringan pada perangkat Cisco Catalyst akan disalin ke komputer yang
sudah dipasang aplikasi network analyzer. SPAN digunakan untuk menyalin paket
jaringan yang mengalir dari suatu port ke port yang lain (Cisco Systems 2003).
Pada Gambar 2 menunjukkan seluruh paket jaringan pada port 4 (sumber) dimirror ke port 8 (tujuan). Sebuah network analyzer pada port 8 menerima semua
paket jaringan dari port 4 tanpa secara fisik terpasang pada port 8.

Gambar 2 Cisco SPAN (Cisco Systems 2003)
Aplikasi network analyzer yang digunakan pada penelitian ini adalah
Wireshark. Wireshark merupakan aplikasi penganalisis paket jaringan (network
packet analyzer) yang dapat mengambil paket jaringan dan melihat serinci mungkin
paket jaringan tersebut (Lamping et al. 2014).
Pengolahan Paket Jaringan
Praproses
Sebelum paket jaringan dapat digunakan sebagai masukan untuk algoritme
data mining, terlebih dahulu dilakukan proposes. Praposes dilakuakan untuk
membersihkan data yang tidak diperlukan dan membuat data tersebut siap
digunakan pada algoritme data mining. Praposes yang dilakukan terdiri atas
beberapa tahapan:
1 Penentukan protokol aplikasi: tahap ini dilakukan penentuan protokol-protokol
aplikasi yang digunakan pada jaringan ruang NOC Bogor. Protokol aplikasi
dipilih merupakan protokol aplikasi yang menunjang kinerja operasional
Metrasat.
2 Pembersihan data: tahap ini dilakukan pembersihan data memanfaatkan fitur
filtering dari Wireshark, kriteria filtering sendiri diambil dari protokol-protokol
yang didapatkan dari tahapan sebelumnya. Khusus aplikasi web yang
menggunakan protokol HTTP, kriteria pembersihan datanya berdasarkan pada
Lampiran 1. String kriteria filtering pada Wireshark dapat dilihat pada Lampiran
2.
3 Kategorisasi protokol aplikasi: tahap ini dilakukan kategorisasi terhadap
protokol aplikasi yang ditentukan pada tahap sebelumnya, pengkategorisasi
protokol didapatkan dari keterkaitan fungsi antar protokol.
4 Kategorisasi pengguna: tahap ini dilakukan kategorisasi terhadap pengguna yang
berdasarkan pada segmen alamat IP. Menurut Sathiyamoorthi dan Bashkaran
(2011) alamat IP dapat digunakan untuk membedakan setiap pengguna.

5
5 Parsing paket jaringan: tahap ini dilakukan parsing paket jaringan hasil filtering
pada tahap 2. Paket-paket jaringan tersebut dirubah menjadi sesi koneksi. Suatu
paket dianggap sama sesinya dengan paket lain apabila jarak waktu antar paket
tersebut kurang dari 10 menit (Chitraa dan Thamani 2012). Sesi koneksi aplikasi
monitoring (SNMP) berdurasi antara 10 menit sampai dengan 20 menit, dan
untuk sesi koneksi aplikasi lainnya berdurasi antara 5 sampai dengan 15 menit.
Hasil yang diperoleh dari parsing ini adalah fail CSV yang berisi kategori
pengguna dan kategori protokol aplikasi.
Setelah tahapan praproes selesai maka akan diperoleh sebuah fail yang berisi
sesi-sesi koneksi pada seluruh pengambilan data. Format dari fail hasil praproses
adalah kategori pengguna dan kategori protokol aplikasi.
Data mining
Tahapan selanjutnya adalah menerapkan data yang diperoleh pada tahapan
sebelumnya pada algoritme clustering k-means. Clustering dengan algoritme kmeans dilakukan memanfaatkan perangkat lunak Weka 3.6. Algoritme k-means
adalah sebagai berikut (Han dan Kamber 2006):
1 Tentukan jumlah cluster yang diinginkan (jumlah k) beserta dengan titik pusat
cluster (centroid)
2 Lakukan perulangan (3-4):
3 Masukan objek ke cluster dengan centroid terdekat.
4 Perbaharui nilai centroid setiap cluster berdasarkan rata-rata setiap objek pada
cluster tersebut.
5 Lakukan sampai tidak ada perubahan
Perhitungan jarak antara objek dan titik pusat cluster untuk data non-numerik
dapat menggunakan Hamming distance dan Levenshtein distance. Hamming
distance mengukur jarak antara dua string yang ukurannya sama dengan
membandingkan simbol-simbol yang terdapat pada kedua string pada posisi yang
sama. Levenshtein distance mengukur jarak antara dua string yang ukurannya tidak
sama dengan menghitung jumlah pengoperasian yang perlu dilakukan untuk
mengubah string yang satu menjadi string yang kedua yang diperbandingkan.
Pengoperasian yang dilakukan termasuk operasi insert, delete, dan substitusi
Analisis Paket Jaringan
Pada tahapan ini dilakukan analisis terhadap setiap cluster yang didapat pada
tahapan sebelumnya. Analisis ini dilakukan untuk melihat karakteristik cluster.
Cluster akan dikelompokkan sesuai dengan kategori protokol aplikasi yang
digunakan. Hasil analisis ini dijadikan sebagai dasar dalam menentukan
rekomendasi kebijakan manajemen bandwidth dan bahan evaluasi kinerja
karyawan.
Perancangan Manajemen Bandwidth
Pada tahapan ini dilakukan perancangan kebijakan manajemen bandwidth
dengan menggunakan algoritme hierarchical token bucket (HTB). HTB
direpresentasikan dalam bentuk hirarki (Brown 2006). Hirarki HTB terdiri atas root,
inner class, dan leaf. Pembatasan traffic (shaping) terjadi pada leaf class,
sedangkan inner class bertugas untuk membagi token ke leaf class (Brown 2006).

6
Pembagian bandwidth pada leaf class menggunakan Persamaan 2 (Pariwono 2014).
persentase claster n
(2)
× alokasi bandwidth interior class
∑ persentase interior dari claster n
Evaluasi Kinerja Karyawan
Pada tahapan ini dilakukan evaluasi terhadap kinerja karyawan dengan
berdasar pada tugas pokok dan fungsi karyawan yang terdapat pada
pengkarakterisasian beban kerja. Pada setiap cluster hasil dari proses data mining
akan dievaluasi apakah sudah sesuai dari tugas pokoknya. Selain karyawan,
evaluasi juga dilakukan kepada monitoring tools yang berfungsi untuk memantau
jaringan Metrasat secara keseluruhan.

HASIL DAN PEMBAHASAN
Analisis Lingkungan Jaringan
Data dokumentasi infrastruktur jaringan Metrasat Bogor didapatkan dari staf
IT jaringan Metrasat Bogor, data tersebut digunakan untuk membantu memahami
paket jaringan yang diperoleh. Pada Gambar 3 memperlihatkan topologi dari
jaringan Metrasat.

Gambar 3 Topologi jaringan Metrasat
Jenis jaringan pada ruang NOC terdiri atas wired dan wireless. Pada jaringan
wired digunakan untuk menghubungkan 24 buah PC client dalam hal ini para

7
karyawan dan 7 buah PC monitoring dengan 17 layar yang dihidupkan terus
menerus sebagai pemantau jaringan. Pada jaringan wireless disediakan 2 SSID
yaitu RUANGNOC untuk para karyawan dan TAMU untuk para tamu.
Daftar perangkat lunak yang digunakan pada laptop karyawan, PC client, dan
PC monitoring di ruang NOC dapat dilihat pada Tabel 1 dan untuk pengalamatan
IP dapat dilihat pada Tabel 2.
Jenis
Sistem Operasi
Web Browser
Messanging
Email
Montoring
Alamat IP
10.80.253.0/24
10.99.226.0/24
10.95.225.0/24

Tabel 1 Perangkat lunak di ruang NOC
Nama
Windows 7, Windows 8, Windows Server, CentOS
Internet Explorer, Google Chrome, Mozilla Firefox
Yahoo Messanger, LINE
Mozilla Thunderbird, Ms Outlook
SNMP Traffic Grapher (STG), PRTG Network Monitor
Tabel 2 Pengalamatan IP
Jenis perangkat
Server dan PC monitoring
PC client dan laptop karyawan yang menggunakan Wifi
RUANGNOC
Laptop karyawan yang menggunakan Wifi TAMU

Lingkungan Pengembangan
Penelitian ini diimplementasikan menggunakan spesifikasi perangkat keras
dan perangkat lunak yang dapat dilihat pada Tabel 3.
Tabel 3 Lingkungan pengembangan
Perangkat keras laptop
Perangkat lunak
- Prosesor Intel Core i3 - Windows 8 Pro
- RAM 8 GB
- Wireshark 1.12.4
- HDD 320 GB
- XAMPP 5.5.19
- LAN card 100Mbps
- Weka 3.7

Pengkarakterisasian Beban Kerja
1
2
3
4

Pengkarakteristikan beban kerja pada penelitian ini meliputi:
Komposisi protokol jaringan yang digunakan.
Algoritme data mining menggunakan teknik clustering pada penggunaan
jaringan berdasarkan sesi koneksi.
Pemodelan rancangan manajemen bandwidth yang berdasarkan hasil dari
algoritme data mining.
Evaluasi kinerja karyawan dengan menganalisis dan membandingan antara hasil
dari algoritme data mining dengan tugas pokok dan fungsi karyawan

8
Pengamatan dan Pengambilan Paket Jaringan
Pada tahapan ini diketahui bahwa terdapat jaringan ruang NOC terhubung
dengan jaringan internal Metrasat menggunakan sebuah router. Pada sisi jaringan
ruang NOC, router tersebut terhubung dengan switch Catalyst Cisco. Pada Gambar
4, port 1 pada switch ruang NOC terhubung dengan router ruang NOC. Pada port
1 ditanamkan konfigurasi SPAN agar setiap paket data yang mengalir pada port
tersebut disalin ke port 15 yang sudah disambungkan ke PC dan terpasang aplikasi
Wireshark untuk meng-capture setiap paket jaringan.

Gambar 4 Penempatan sniffer pada switch
Dilakukan pengamatan pada satu minggu (5 hari kerja) sebelum pengambilan
paket jaringan. Dengan menggunakan metode ADPH didapatkan selang waktu
untuk pengambilan paket jaringan yaitu pada jam 10:00-11:00. Grafik lalu lintas
paket jaringan hasil pengamatan dapat dilihat pada Lampiran 3.
Pada tanggal 7 November 2014 sampai 15 Desember 2014, dilakukan
pengambilan paket jaringan sebanyak 24 kali yang disimpan pada fail Wireshark
yang berformat .pcapng. Langkah-langkah pengambilan paket jaringan
menggunakan Wireshark dapat dilihat pada Lampiran 4. Pengambilan paket
jaringan hanya diambil antara hari senin sampai jumat karena kegiatan operasional
paling sibuk pada hari-hari tersebut. Pada Lampiran 5 memperlihatkan hasil
pengambilan paket jaringan.
Pengolahan Paket Jaringan
Praproses
1 Penentuan protokol aplikasi: sesuai fungsi dari ruang NOC, maka protokol
aplikasi yang digunakan ditunjukkan pada Tabel 4.
Tabel 4 Protokol aplikasi yang digunakan
Fungsi
Protokol aplikasi
Pusat monitoring
HTTP, HTTPS, DNS, SNMP
Pemeliharaan jaringan
HTTP, HTTPS, DNS, Telnet, FTP, SSH,
VNC, RPC, DCERPC, YMSG
Komunikasi dengan pelanggan HTTPS, DNS, POP, SMTP, YMSG
2 Pembersihan data: setelah dilakukan penentuan protokol aplikasi yang digunakan,
maka langkah selanjutnya dilakukan filtering dengan aplikasi Wireshark dengan
kriteria filtering-nya berdasar pada tahap sebelumnya. Filtering ini dilakukan
pada setiap fail wireshark lalu hasilnya di-export kedalam fail berformat comma-

9
separated values (CSV). Pada Lampiran 6 memperlihatkan hasil filtering
menggunakan Wireshark.
3 Penentuan kategori protokol aplikasi: protokol-protokol aplikasi hasil dari
filtering kemudian dikelompokan ke dalam kategori yang saling berkaitan
fungsinya. Pengelompokan kategori protokol aplikasinya dapat dilihat pada
Tabel 5.
Tabel 5 Kategori protokol aplikasi
Kategori aplikasi
Protokol aplikasi
Web
HTTP, DNS
Web secure
SSL
Monitoring
SNMP
Mail
POP, SMTP
Messaging
YMSG
Remote access
FTP, SSH, Telnet,
RPC, DCERPC, VNC
4 Penentuan kategori pengguna: sesuai dengan dokumentasi jaringan pada ruang
NOC, pengalamatan IP terbagi 3 alamat IP. Kategori pengguna yang berdasarkan
pada 3 alamat IP tersebut dapat dilihat pada Tabel 6.
Tabel 6 Kategori pengguna
Kategori pengguna
Alamat IP
Operational monitoring (OM) 10.80.253.0/24
Operational divison (OD)
10.99.226.0/24
Mobile user (MU)
10.95.225.0/24
5 Parsing paket jaringan: seluruh fail CSV hasil dari tahap 2 di-parsing dengan
mengimplementasikan ketegori protokol aplikasi dari tahap 3 dan kategori
pengguna dari tahap 4 menggunakan PHP untuk menentukan sesi koneksi tiap
pengguna.
Hasil dari praposes adalah sebuah fail CSV yang berisikan ketegori pengguna
dan kategori protokol aplikasi per sesi koneksi. Fail CSV tersebut berukuran 1.29
MB dengan jumlah baris sebanyak 48 078.
Data Mining
Pada tahapan data mining dilakukan clustering memanfaatkan aplikasi Weka
dengan fail CSV hasil pra proses sebagai data masukkanannya. Algoritme
clustering yang digunakan adalah simple k-means dengan distance function
menggunakan Euclidean distance untuk data numerik dan Hamming distance untuk
data kategorik (Dong dan Bailey 2013). Penentuan jumlah cluster dilakukan dengan
memperhatikan nilai sum of squared error (SSE). Hasil yang ideal adalah dengan
jumlah k yang sekecil mungkin didapatkan SSE yang sekecil mungkin. Semakin
kecil nilai k maka cluster yang dianalisis akan semakin sedikit, sedangkan nilai SSE
menandakan kedekatan setiap objek ke centroid pada cluster masing-masing.
Semakin kecil nilai SSE maka semakin mirip setiap objek pada cluster tersebut.
Langkah-langkah data mining clustering menggunakan algoritme k-means
dapat dilihat pada Lampiran 7. Pada tahapan ini diperoleh 15 cluster dengan SSE 9.

10
Perbandingan jumlah k dengan nilai SSE ditunjukan pada Gambar 5.
700
600

SSE

500

400
300
200
100
0
10

11

12

13

14

15

k

Gambar 5 Sum of squared error
Anggota dari setiap cluster ditunjukan pada Tabel 7. Pada algoritme k-means
nilai centroid merupakan nilai rata-rata dari setiap cluster.
Cluster
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Tabel 7 Anggota cluster
Kategori pengguna
Operational divison
Operational divison
Mobile user
Operational divison
Operational monitoring
Operational divison
Operational monitoring
Operational divison
Mobile user
Mobile user
Operational monitoring
Operational monitoring
Mobile user
Mobile user
Operational divison

Kategori aplikasi
Web
Web secure
Web secure, mail
Messaging
Web
Monitoring
Monitoring
Remote access
Web
Messaging
Web secure
Remote access
Monitoring
Remote access
Mail

Analisis Paket Jaringan
Hasil dari proses data mining menggunakan teknik clustering algoritme kmeans menunjukkan untuk penggunaan aplikasi web paling banyak pada cluster 0
sebesar 13 976 sesi koneksi pada pengguna operational division. Jumlah
penggunaannya jauh melebihi kategori pengguna lainnya pada cluster 4 dan cluster
8. Hal ini terjadi karena kebanyakan tools yang berbasis protokol HTTP digunakan
sebagai aktifitas bekerja oleh operational division. Gambar 6 menunjukkan
penggunaan aplikasi web.

11

Sesi koneksi

15000
10000
5000
0
OD

MU

OM

Cluster

Gambar 6 Penggunaan aplikasi web
Pada penggunaan aplikasi web secure, jumlah pengguna paling banyak pada
cluster 1 yaitu operational division dibandingan kategori pengguna lainnya pada
cluster 2 dan cluster 10. Jumlah sesi koneksi yang terdapat pada cluster 10 sedikit
sekali, hanya sebanyak 215 sesi koneksi. Hal ini menunjukkan operational
monitoring yang terdapat pada cluster 10 kurang menggunakan aplikasi ini.
Aplikasi web secure ini biasa digunakan untuk email yang berbasis HTTPS ataupun
media sosial sebagai hiburan saat waktu luang oleh para karyawan. Gambar 7
menunjukkan penggunaan aplikasi web secure.

Sesi koneksi

20000
15000
10000
5000
0
OD

MU

OM

Cluster

Gambar 7 Penggunaan aplikasi web secure
Penggunaan aplikasi Monitoring yang paling banyak pada cluster 6 yaitu
ketegori pengguna operational monitoring sebanyak 578 sesi koneksi dan cluster 5
oleh operational division sebanyak 224 sesi konaksi. Hal ini menunjukkan
pengguna operational monitoring menjalanan fungsinya dengan baik dan karyawan
juga melakukan aktifitas monitoring pada jaringan. Kategori pengguna mobile user
yang terdapat pada cluster 12 juga menggunakan aplikasi ini untuk me-monitori
perangkat mereka yang berada di luar jaringan Metrasat. Gambar 8 menunjukkan
penggunaan aplikasi monitoring.

Sesi koneksi

800
600
400
200
0
OD

MU

OM

Cluster

Gambar 8 Penggunaan aplikasi monitoring
Pada penggunaan aplikasi mail yang paling banyak pada cluster 14 yaitu
operational division yaitu sebanyak 30 sesi koneksi. Untuk cluster 2 yaitu mobile

12
user hanya menunjukkan nilai 9 sesi koneksi. Hal ini tidak bisa menunjukkan
bahwa penggunaan aplikasi mail pada pengguna operational division lebih besar
pada mobile user karena aktifitas penggunaan email juga bisa dilakukan dengan
aplikasi berbasis web. Gambar 9 menunjukkan penggunaan aplikasi mail.

Sesi Koneksi

40
30
20
10
0
OD

Cluster

MU

Gambar 9 Penggunaan aplikasi mail

Sesi Koneksi

Pada penggunaan aplikasi remote access yang paling banyak pada cluster 7
yaitu operational division sebesar 499 sesi koneksi. Hal ini menunjukkan bahwa
operational division menjalankan tugasnya dengan baik yaitu memelihara jaringan.
Selain operational division yang menggunakan aplikasi remote access, mobile user
yang terdapat pada cluster 13 juga menggunakan aplikasi ini untuk me-remote
perangkat mereka yang berada di luar jaringan Metrasat, walaupun jumlahnya
hanya sedikit yaitu 66 sesi koneksi. Gambar 10 menunjukkan penggunaan aplikasi
remote access.
600
400
200
0
OD

MU

OM

Cluster

Gambar 10 Penggunaan aplikasi remote access
Pada penggunaan aplikasi messaging paling banyak pada cluster 3 yaitu
operational division sebesar 1730 sesi koneksi. Hal ini terjadi karena aplikasi ini
digunakan setiap hari untuk berkomunikasi dengan pelanggan juga dengan sesama
karyawam. Jumlah sesi koneksi pada cluster 9 yaitu mobile user cukup banyak yaitu
sebesar 280 sesi koneksi, hal ini menunjukkan bahwa mobile user juga
menggunakan aplikasi ini. Namun, operational monitoring tidak menggunakan
aplikasi ini, karena PC pada operational monitoring tidak digunakan oleh karyawan.
Gambar 11 menunjukkan penggunaan aplikasi messaging.
Sesi Koneksi

2000
1500
1000
500
0
OD

MU

Cluster

Gambar 11 Penggunaan aplikasi messaging

13
Perancangan Manajemen Bandwidth
Perancangan manajemen bandwidth menggunakan model hirarki HTB pada
paket jaringan ditunjukan pada Gambar 12. Berdasarkan jumlah sesi koneksi tiap
kategori pengguna dari seluruh cluster maka perancangan ini dibagi dalam 3 kelas
interior. Kelas A berisi dari pengguna kategori operational division yang jumlah
sesi koneksinya lebih paling banyak yaitu 33 306. Kelas B berisi dari pengguna
kategori mobile user yang jumlah sesi koneksinya 11 716. Kelas C berisi dari
pengguna operational monitoring yang jumlah sesi koneksinya 3 042. Alokasi
bandwidth untuk kelas A sebesar 55%, kelas B sebesar 30%, dan kelas C sebesar
15%. Penentuan besarnya alokasi ditentukan dari jumlah sesi koneksi dan kebijakan
dari Metrasat. Pembagian bandwidth pada leaf class dilakukan berdasarkan pada
persentase dari jumlah sesi koneksi setiap cluster yang ditunjukan pada Tabel 8
dengan Persamaan 2.
Tabel 8 Jumlah koneksi seluruh cluster
Cluster
Kategori pengguna
Kategori aplikasi Jumlah sesi Persentase
0
Operational divison
Web
13976
29.07
1
Operational divison
Web secure
16851
35.05
2
Mobile user
Web secure, mail
7436
15.47
3
Operational divison
Messaging
1730
3.60
4
Operational monitoring Web
2106
4.38
5
Operational divison
Monitoring
224
0.46
6
Operational monitoring Monitoring
578
1.20
7
Operational divison
Remote access
499
1.04
8
Mobile user
Web
3772
7.85
9
Mobile user
Messaging
279
0.58
10
Operational monitoring Web secure
215
0.45
11
Operational monitoring Remote access
174
0.30
12
Mobile user
Monitoring
168
0.35
13
Mobile user
Remote access
66
0.14
14
Operational divison
Mail
29
0.06

Gambar 12 Model HTB

14
Evaluasi Kinerja Karyawan
Hasil dari tahap analisis paket jaringan menunjukkan karakterstik dari
pengguna. Pada pengguna karyawan yang terdapat pada kategori pengguna
operational division menjalankan tugas pokok dengan fungsinya dengan baik, hal
ini terlihat dari penggunaan aplikasi web, mail, remote access, dan messaging
menunjukkan nilai penggunaan yang tinggi dibandingkan dengan pengguna
kategori lainnya. Hasil yang baik juga terlihat pada penggunaan aplikasi monitoring
yang menunjukkan kategori pengguna operational monitoring menjalankan tugas
pokok dan fungsinya dengan baik. Dalam hal ini PC monitoring digunakan sebagai
tools oleh para karyanan untuk memantau jaringan Metrasat. Pada kategori mobile
user pemakaian bandwidth lebih besar dibandingkan operational monitoring, hal
ini terlihat dari penggunaan aplikasi web, web secure, mail, dan messaging yang
cukup besar.

SIMPULAN DAN SARAN
Simpulan
Pada penelitian ini telah dilakukan clustering terhadap paket jaringan. Hasil
clustering menunjukkan bahwa karakteristik pengguna dari setiap kategori
pengguna sesuai dengan tugas pokoknya masing–masing. Kategori pengguna
operational division menunjukkan nilai penggunaan aplikasi web, mail, remote
access, dan messaging yang tinggi. Kategori pengguna operational monitoring
menunjukkan nilai penggunaan aplikasi monitoring yang tinggi. Hal ini dapat
dijadikan dasar evaluasi bahwa kinerja karyawan Metrasat sudah tepat dan optimal
sesuai dengan tugas pokoknya. Berdasarkan hasil clustering maka telah dibuat
perancangan model pembagian bandwidth dibagi menjadi 3 kelas yaitu, Kelas A
untuk operational division sebesar 55%, Kelas B untuk mobile user sebesar 30%,
dan Kelas C untuk operational monitoring sebesar 15%. Perancangan ini akan
diterapkan pada router NOC.
Saran
Dalam pengambilan paket jaringan menggunakan Wireshark, harus
diperkirakan berapa ukuran yang tersimpan pada setiap kali pengambilan data.
Ukuran fail Wireshark yang dapat diproses dipengaruhi oleh jumlah memori yang
digunakan pada perangkat. Pada penelitian ini digunakan memori sebesar 8 GB
untuk dapat memproses fail berukuran di bawah 2 GB, jika di atas 2 GB disarankan
untuk dipisah jadi beberapa fail agar mudah dalam pengolahan datanya.

15

DAFTAR PUSTAKA
Brown MA. 2006. Traffic control howto [internet]. [diunduh 2015 Mei 20].
Tersedia pada: http://linux-ip.net/articles/Traffic-Control-HOWTO/.
Chitraa V, Thanamani AS. 2012. An enhanced clustering technique for web usage
mining. IJERT. 1(4):1-5.
Cisco Systems. 2003. Catalyst 2940 switch software configuration guide [internet].
[diunduh 2015 Mei 20]. Tersedia pada: http://www.cisco.com/c/
en/us/td/docs/switches/lan/catalyst2940/software/release/12-1_19_ea1/
configuration/guide/2940scg_1/swspan.html
Dong G, Bailey J. 2013. Contrast Data Mining: Concepts, Algorithms, and
Applications. Florida (US): CRC Press.
Han J, Kamber M. 2011. Data Mining: Concept and Techiques. Edisi kedua. San
Diego (US): Morgan-Kauffman.
Lamping U, Sharpe R, Warnicke E. 2014. Wireshark user’s guide for wireshark
1.99 [internet]. [diunduh 2015 Mei 20]. Tersedia pada: https://www.
wireshark.org/docs/wsug_html_chunked.
Menasce D, Almeida V. 2002. Capacity Planning for Web Service. New Jersey
(US): Prentice Hall.
Metrasat. 2015. Milestone of Metrasat [internet]. [diunduh 2015 Agu 20]. Tersedia
pada: http://metrasat.co.id/id/aboutus/milestone/.
Pariwono EG. 2014. Web log mining menggunakan k-means pada server proxy
untuk perancangan manajemen bandwidth IPB [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
Sathiyamoorthi V, Bashkaran M. 2011. Data preprocessing techiques for prefetching and caching web data through proxy server. IJCSN. 11(11):92-98.
Sianipar H. 2012. Analisis penggunaan layanan jaringan internet IPB [skripsi].
Bogor (ID): Institut Pertanian Bogor.

17

LAMPIRAN
Lampiran 1 Kriteria HTTP
Field
URL
Type

Method
HTTPCode

Kriteria
akhiran .gif, .jpeg, jpg .css, .png, .js, iklan, malware, tracking
cookie
image/gif, text/javascript, application/xml, image/png,
text/css, image/jpeg, text/xml, application/x-shockwave-flash,
application/javascript/, application/pdf, application/x-gzip,
text/chat, application/zip, audio/mpeg, application/msword,
application/x-rpm,
application/vnd.ms-powerpoint,
application/x-tar, application/x-cap, application/xml-dtd,
application/ocsp-request, application/ocsp-response
selain GET dan POST
selain kode HTTP 2xx (success)

Lampiran 2 Kriteria filter pada Wireshark
( http && ( ! http.content_type contains "image/gif" || !
http.content_type contains "image/png" || ! http.content_type
contains "text/javascript" || ! http.content_type contains
"application/xml" || ! http.content_type contains "text/css"
||
!
http.content_type
contains
"image/jpeg"
||
!
http.content_type contains "text/xml" || ! http.content_type
contains "application/x-shockwave-flash" || ! http.content_type
contains
"application/javascript"
||
!
http.content_type
contains "application/pdf" || ! http.content_type contains
"application/x-gzip" || ! http.content_type contains "text/chat"
||
!
http.content_type
contains
"application/zip"
||
!
http.content_type contains "audio/mpeg" || ! http.content_type
contains "application/msword" || ! http.content_type contains
"application/x-rpm"
||
!
http.content_type
contains
"application/vnd.ms-powerpoint" || ! http.content_type contains
"application/x-tar"
||
!
http.content_type
contains
"application/x-cap"
||
!
http.content_type
contains
"application/xml-dtd"
||
!
http.content_type
contains
"application/ocsp-request" || ! http.content_type contains
"application/ocsp-response" || ! http.content_type contains
"application/octet-stream" || ! http.content_type contains
"application/x-javascript" || ! http.content_type contains
"application/json"
||
!
http.content_type
contains
"ext/javascript;charset=UTF-8" ) && http.response.code >= 200 &&
http.response.code < 300 ) || ssl || ymsg || telnet || ftp ||
ftp-data || ssh || vnc || rpc || pop || smtp || dcerpc || ( dns
&& dns.count.answers > 0 ) || snmp

18
Lampiran 3 Lalu lintas paket jaringan

19
Lampiran 4 Pengambilan paket jaringan menggunakan Wireshark
a Buka aplikasi Wireshark.

b Pada menu Capture, pilih Interface, pilih Network Connection yg akan dicapture, lalu klik Start

c Berikut tampilan saat proses capturing sedang dilakukan

d Untuk menyimpan hasil capture paket jaringan, klik icon Stop, pada menu File,
pilih Save As, tentukan nama fail lalu klik Save.

20
Lampiran 5 Hasil pengambilan paket jaringan
Pengambilan
ke1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

Durasi
(detik)
3896
3374
3025
2520
3736
2902
3627
3842
3987
3627
3679
3378
3708
3600
3600
2948
3599
3600
3599
3596
2573
3177
3338
3600

Paket data Ukuran fail
(ribu)
(MB)
4903
3289
4395
3333
6785
4879
4549
3231
3698
2879
5432
3877
6255
4615
3680
2796
7049
4950
8585
6434
6076
3893
7811
5370
5148
4064
7358
5268
7169
4625
7281
5593
5215
3436
7306
5815
5065
3595
5555
3692
5688
3760
7480
5001
5915
3867
7759
5053

21
Lampiran 6 Hasil filtering
Pengambilan
ke1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

Paket data
517598
339197
758206
636465
439636
675436
628603
381264
762146
3951379
526134
919349
480588
915164
882507
3877960
497400
1355521
698234
543699
687025
868374
631312
768191

Ukuran fail
(KB)
59.991
39.682
86.163
73.183
50.706
77.939
73.12
44.088
87.605
424.612
60.076
104.878
56.199
105.227
100.055
416.934
56.993
147.627
79.183
62.465
78.809
99.742
72.253
86.633

22
Lampiran 7 Clustering menggunakan WEKA
a. Buka aplikasi WEKA, lalu klik Explorer

b. Untuk memasukan fail CSV, klik Open File, ubah File of type menjadi CSV data
files (*.csv), pilih fail yang akan dimasukan lalu klik Open.

c. Untuk melakukan clustering, pilih tab Cluster, pada kolom Clusterer klik Choose
lalu pilih simplekMeans. Untuk menentukan banyaknya cluster, klik
simpkekMeans, isikan kolom numClusters lalu klik OK.

23
Lampiran 7 lanjutan
d. Untuk menjalankan algoritme clustering, pada tab Cluster, klik tombol Start,
hasil dari algoritme clustering akan tampil pada kolom Clusterer output.

24

RIWAYAT HIDUP
Penulis dilahirkan pada tanggal 26 April 1992 di Jakarta. Penulis merupakan
anak ke dia dai Ahmad dan Sri Hartini. Pada tahun 2009 penulis lulus dari SMA
Negeri 5 Tangerang dan melanjutkan ke Program Studi Teknik Komputer pada
Diploma IPB. Penulis lulus pada tahun 2012 dab melanjutkan studi ke Program S1
Ilmu Komputer Alih Jenis. Pada Januari 2013 sampai sekarang penulis bekerja di
Metrasat.