<![CDATA[Meningkatnya ketergantungan terhadap layanan internet telah menyoroti pentingnya pemantauan jaringan yang efisien dan andal. Metode analisis bandwidth tradisional sering kali memerlukan upaya manual yang signifikan dan rentan terhadap kesalahan manusia, sehingga diperlukan solusi yang lebih cerdas dan otomatis. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan bandwidth cerdas yang mampu menganalisis pola penggunaan jaringan secara otomatis menggunakan algoritma K-Means Clustering. Penelitian ini memanfaatkan Adaptive Bandwidth Prediction Dataset yang diperoleh dari Kaggle, yang terdiri atas 8.653 data lalu lintas jaringan dan sembilan atribut terkait jaringan. Throughput, jitter, dan actual bandwidth dipilih sebagai fitur utama dalam proses clustering. Sebelum proses clustering dilakukan, data dinormalisasi menggunakan teknik StandardScaler untuk memastikan konsistensi nilai antar fitur. Algoritma K-Means diimplementasikan dengan tiga cluster (k=3) dan menghasilkan nilai Silhouette Score sebesar 0,2425 yang menunjukkan pemisahan pola penggunaan jaringan yang cukup baik. Hasil clustering berhasil mengidentifikasi tiga kategori penggunaan bandwidth, yaitu rendah, sedang, dan tinggi. Selain itu, sistem yang dikembangkan dilengkapi dengan berbagai fitur lanjutan, seperti deteksi anomali menggunakan Isolation Forest, identifikasi aktivitas pengguna, penilaian kesehatan jaringan, indikator suasana jaringan (network mood), serta pemantauan jaringan secara real-time melalui integrasi SNMP. Aplikasi dibangun menggunakan Streamlit dan visualisasi interaktif Plotly untuk mempermudah proses pemantauan dan analisis jaringan. Hasil pengujian menunjukkan bahwa sistem yang diusulkan mampu membantu mengidentifikasi kondisi jaringan, mendeteksi perilaku lalu lintas yang tidak normal, serta memberikan wawasan yang bermakna mengenai tren penggunaan bandwidth. Hasil penelitian menunjukkan bahwa K-Means Clustering dapat digunakan secara efektif untuk mengelompokkan pola penggunaan bandwidth dan mendukung pemantauan jaringan secara otomatis, sehingga memberikan informasi yang bermanfaat bagi administrator jaringan dalam mengelola, mengevaluasi, dan mengoptimalkan kinerja jaringan.]]>
Copyrights © 2026
