KLASIFIKASI PENGGUNAAN DATA TRAFIK INTERNET MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Pitrasacha Adytia, W. Wahyuni, Kelik Sussolaikah, Yudha Satria
{"title":"KLASIFIKASI PENGGUNAAN DATA TRAFIK INTERNET MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE","authors":"Pitrasacha Adytia, W. Wahyuni, Kelik Sussolaikah, Yudha Satria","doi":"10.35508/jicon.v11i1.10039","DOIUrl":null,"url":null,"abstract":"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.","PeriodicalId":334895,"journal":{"name":"Jurnal Komputer dan Informatika","volume":"9 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Komputer dan Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35508/jicon.v11i1.10039","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

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.
如今,互联网对各种各样的需求是不可否认的。佛法STMIK Widya也不例外。在校园环境中,互联网被学生、讲师和教育工作者广泛使用。大学环境中的教学活动和工作并没有超越互联网的需要。但互联网使用的时间有时也会在一定几个小时内积累起来,导致互联网速度变慢。它受到互联网流量流量上头载量的影响,导致连接变得沉重和缓慢。因此,需要一种分类方法来提供关于学生、讲师和教育工作者在互联网上的活动的信息。至于使用的分类算法是支持向量(SVM)分类。目前的开发方法是2020年的SKKNI。使用的参数是用户发送的包流和用户接收的包。此外,本研究的结果是SVM算法模型,它可以将互联网流量的流量分为四类:下载、游戏、社交网络和Web,通过使用子集Function (RBF)核心,准确率为64%。由此产生的精确度很低,使得SVM算法不适合对互联网流量进行分类,需要其他方法对互联网流量进行分类。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信