Claim Missing Document
Check
Articles

Found 1 Documents
Search

Prediksi Network Traffic Penyedia Layanan Internet PT APEX Menggunakan Algoritma Long Short Term Memory Syafiq, Roid Muhammad; Yudistira, Novanto; Santoso, Edy
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 5 (2026): Mei 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Akses internet telah menjadi kebutuhan mendasar manusia, bahkan disebut sebagai “data is the new oil” untuk menggambarkan betapa berharganya data network traffic bagi penyedia layanan (Shevchuk, 2021). PT Adisesha Palladium Interchange Network (APEX) sebagai penyedia internet di Malang menghadapi urgensi untuk mengelola dan memprediksi traffic jaringan secara akurat agar mampu bersaing di Jawa Timur. Penelitian ini membandingkan pendekatan linear seperti ARIMA, yang terbukti menghasilkan kesalahan signifikan (Zhao, 2022), dengan pendekatan non-linear berbasis deep learning, khususnya Long Short-Term Memory (LSTM), yang mampu menangani dependensi jangka panjang pada data time series (Fleischer, 2021). Hasil pengujian menunjukkan bahwa LSTM memiliki performa terbaik dibandingkan ARIMA, SVM, RNN, dan GRU, dengan tingkat kesalahan terendah serta akurasi tertinggi pada dataset MAWI dan APEX. Kesimpulannya, LSTM dapat beradaptasi dengan karakteristik data yang berbeda dan menjadi model prediksi paling kompetitif untuk kebutuhan perusahaan, sekaligus membuka peluang peningkatan kualitas layanan melalui pengelolaan traffic data yang lebih presisi.