<![CDATA[Klasifikasi jaringan internet dibutuhkan secara luas oleh berbagai pihak untuk penghematan, pengalokasian, pembatasan sumber daya internet. Berbagai teknik digunakan untuk hal tersebut, salah satunya adalah dengan pendekatan machine learning khususnya algoritma jaringan syaraf tiruan (artificial neural network) yang selanjutnya disingkat ANN. ANN bekerja dengan cara meniru cara kerja syaraf otak manusia. AAN pada penelitian ini digunakan untuk mengklasifikasikan paket jaringan. Dataset yang digunakan adalah terdiri dari 990.558 baris data, 4 kolom input(X) meliputi protocol, port, timestamp, packet length. Kolom output(Y) terdiri satu kolom 5 label (App, Sosmed, Game, Browsing, Streaming). Selanjutnya dataset ini dibagi menjadi 3 yaitu training, test, dan validation. Tujuan dari penelitian ini adalah, pertama, untuk mengetahui kemampuan algoritma ANN untuk pengklasifikasian paket berdasarkan per satu paket. Kedua, menemukan model ANN yang paling optimal untuk permasalahan diatas. Kesimpulan yang didapatkan adalah Algoritma neural network dapat digunakan pada klasifikasi paket jaringan, tetapi jika dataset yang digunakan memiliki karakteristik-karakteristik seperti jumlah variabel X kecil, data pada variabel X sangat lebar jaraknya seperti (port, packet size, time to previous packet, protocol) maka akurasi tinggi sulit untuk didapatkan. Kedua, jika permasalahan yang diselesaikan memiliki kemiripan dengan penelitian ini, maka arsitektur model ANN yang paling optimal adalah: jumlah neuron input layer adalah 7 kali jumlah variabel X, jumlah neuron hidden layer adalah 1/2,8 kali jumlah neuron input, jumlah hidden layer satu, nilai dropout 0,33, metode aktivasi tanh-tanh-softmax, metode optimasi adamax. Nilai accuracy stabil didapatkan pada iterasi (epoch) ke-600, nilai loss stabil didapatkan pada epoch ke-1000. Nilai accuracy yang didapatkan sebesar 0,8 dan nilai loss 0,32 pada iterasi ke seribu.]]>
Copyrights © 2020
