<![CDATA[Sebagian besar penelitian terdahulu mengevaluasi Quality of Service (QoS) jaringan internet secara statis menggunakan nilai rata-rata parameter jaringan atau menerapkan metode Multi-Criteria Decision Making (MCDM) seperti AHP-TOPSIS untuk menghasilkan satu peringkat akhir, pendekatan yang mengasumsikan bobot parameter tetap sepanjang periode pengamatan meskipun kondisi jaringan nyata bersifat dinamis. Untuk mengatasi keterbatasan tersebut, penelitian ini mengusulkan metode pemeringkatan dinamis adaptif kinerja jaringan internet yang mengintegrasikan analisis time-varying QoS dengan kerangka Entropy-AHP-TOPSIS, di mana AHP digunakan untuk memperoleh bobot subjektif awal berdasarkan penilaian pakar, Entropy digunakan untuk menghitung bobot objektif berdasarkan tingkat variasi informasi pada data QoS di setiap periode pengamatan, dan TOPSIS digunakan untuk melakukan pemeringkatan jaringan secara dinamis menggunakan bobot hybrid yang dihasilkan. Metodologi penelitian mengikuti pendekatan kuantitatif dengan memanfaatkan dataset longitudinal pengukuran QoS yang dikumpulkan dari dua penyedia layanan internet selama beberapa periode pengamatan, dengan implementasi komputasi dilakukan menggunakan Python di lingkungan Google Colaboratory. Temuan penelitian menunjukkan bahwa Internet B secara konsisten mengungguli Internet A dengan mencapai persentase peringkat pertama sebesar 95,97% dan indeks stabilitas 0,8111, yang mengonfirmasi bahwa metode pemeringkatan dinamis yang diusulkan secara efektif menangkap fluktuasi QoS dan memberikan evaluasi kinerja yang lebih andal dan peka terhadap waktu dibandingkan pendekatan statis. Penelitian ini memberikan kontribusi berupa kerangka MCDM adaptif baru yang memiliki implikasi praktis bagi administrator jaringan yang membutuhkan alat evaluasi kinerja yang responsif, sekaligus membangun landasan untuk memperluas pendekatan terintegrasi ini ke domain lain seperti komputasi awan, jaringan tepi, dan lingkungan IoT di mana penilaian QoS dinamis sama pentingnya.]]>
Copyrights © 2026
