Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Fabrianti Kusumasari, Tien
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Anomali Lalu Lintas Jaringan Internal Inbound Dan Outbound Menggunakan Algoritma Long Short-Term Memory Salsabila Riswanti, Khairunnisa; Hamami, Faqih; Fabrianti Kusumasari, Tien
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Saat ini penggunaan internet sudah menjadi kebutuhan dalam kegiatan sehari-hari. Berdasarkan laporan DataReportal, pengguna internet di Indonesia pada Januari 2022 ada sebanyak 73,7%. Data tersebut menunjukan bahwa seiring berkembangnya era digital, pengguna internet juga akan terus bertambah. Setiap aktivitas penggunaan internet akan terekam dalam suatu lalu lintas jaringan inbound dan outbound. Pada lalu lintas jaringan inbound dan outbound, akan menampilkan tren data normal. Namun dapat juga muncul data yang diluar tren yang disebut sebagai data anomali. Lalu lintas jaringan anomali tersebut dapat terjadi karena adanya peningkatan yang signifikan dalam volume data lalu lintas jaringan. Anomali pada data lalu lintas jaringan inbound dan outbound juga terjadi pada data lalu lintas jaringan PT XYZ yang merupakan perusahaan yang berfokus pada bidang jasa layanan TIK dan jaringan telekomunikasi di Indonesia. Untuk mencegah terjadinya data anomali, dapat menggunakan IDS melalui deteksi anomali dengan algoritma yang dapat memproses data sekuen dan data skala besar. Algoritma yang digunakan dalam penelitian ini adalah LSTM. Penelitian ini menggunakan metodologi CRISPDM sebagai sistematika penyelesaian masalah. Terdapat beberapa tahapan yang diterapkan yaitu business understanding, data understanding, data preparation, modelling, dan evaluasi. Pengujian model dan evaluasi model dilakukan berdasarkan parameter yang ditentukan menghasilkan model yang dapat mendeteksi anomali.Kata Kunci — deteksi anomali, deep learning, lstm
Prediksi Network Capacity Planning PT XYZ Menggunakan Algoritma Recurrent Neural Network (RNN) Hafizh, Muhammad; Hamami, Faqih; Fabrianti Kusumasari, Tien
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak PT XYZ merupakan perusahaan yang menyediakan jaringan internet. Selain itu mereka juga menggunakan jaringan internet untuk penggunaan sehari-hari. Jaringan yang digunakan pasti memiliki kapasitas. Ketika penggunaan jaringan internet mendekati kapasitasnya maka akan terjadi penurunan kecepatan, oleh karena itu dibutuhkan sesuatu yang dapat memprediksi serta memantau penggunaan jaringan internet. Untuk memprediksi penggunaan jaringan internet, penerapan deep learning dapat digunakan dalam kasus ini. Salah satu algoritma yang digunakan dalam penelitian ini adalah Recurrent Neural Network (RNN). Dilakukan pengujian terhadap beberapa parameter seperti hidden layer, jumlah neuron pada hidden layer, jumlah epoch, dan jumlah batch size. Setelah melakukan pengujian dan evaluasi terhadap model dan parameter yang digunakan, didapatkan hasil untuk algoritma RNN dengan nilai error pada setiap id adalah 0.918812 untuk nilai R Squared dan 0.002233 untuk nilai MSE. Dari hasil pengujian model tersebut dilakukan peramalan untuk 60 hari kedepan dan terdapat satu id yang penggunaan jaringan internet hampir mencapai kapasitasnya yaitu id 23 pada tanggal 8 September 2022 diprediksi akan mencapai 7.5E+12 bit.Kata Kunci: Recurrent Neural Network, Network Capacity Planning, parameter, prediksi
Co-Authors Faqih Hamami Muhammad Hafizh Salsabila Riswanti, Khairunnisa