<![CDATA[Perkembangan teknologi informasi dan komunikasi telah meningkatkan penggunaan jaringan internet sehingga kebutuhan bandwidth menjadi semakin dinamis dan memerlukan prediksi yang akurat untuk mendukung perencanaan kapasitas jaringan. Penelitian ini bertujuan mengembangkan model prediksi kebutuhan bandwidth menggunakan Feedforward Neural Network (FNN). Penelitian menggunakan pendekatan kuantitatif dengan metode eksperimen. Populasi penelitian berupa data historis penggunaan bandwidth jaringan, sedangkan sampel penelitian terdiri atas 1.500 dataset sintetis yang dibagi menjadi 70% data pelatihan, 15% data validasi, dan 15% data pengujian. Instrumen penelitian meliputi perangkat komputer, perangkat jaringan, bahasa pemrograman Python, TensorFlow, dan dataset historis penggunaan bandwidth. Analisis data dilakukan melalui tahapan prapemrosesan data, pemodelan Feedforward Neural Network, serta evaluasi menggunakan Mean Squared Error (MSE) dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model memperoleh nilai MSE sebesar 91,9846 dengan nilai R² masing-masing sebesar 0,7937 pada data pelatihan, 0,7955 pada data validasi, dan 0,8237 pada data pengujian. Temuan tersebut menunjukkan bahwa model mampu mempelajari pola hubungan antarvariabel untuk menghasilkan prediksi kebutuhan bandwidth yang baik. Penelitian ini menyimpulkan bahwa Feedforward Neural Network layak digunakan sebagai metode prediksi kebutuhan bandwidth untuk mendukung pengelolaan dan perencanaan kapasitas jaringan secara lebih efektif.]]>
Copyrights © 2026
