<![CDATA[Perkembangan teknologi informasi yang semakin pesat menyebabkan kebutuhan terhadap jaringan komputer yang stabil dan andal menjadi sangat penting dalam menunjang operasional perusahaan. Pada lingkungan jaringan yang menggunakan metode load balancing, gangguan jaringan seperti Server Down, Packet Loss, Latency, Overload, Routing Loop, dan Delay dapat mempengaruhi kestabilan distribusi trafik jaringan. PT. Indomarco Prismatama sebagai perusahaan yang menggunakan beberapa ISP dalam sistem load balancing masih melakukan pencatatan gangguan jaringan secara manual, sehingga proses identifikasi dan analisis gangguan menjadi kurang efektif. Penelitian ini bertujuan untuk menerapkan metode Naive Bayes dalam mengklasifikasikan gangguan jaringan load balancing berdasarkan data historis gangguan jaringan. Metode penelitian yang digunakan adalah metode eksperimen dengan pendekatan machine learning menggunakan algoritma Naive Bayes. Tahapan penelitian meliputi pengumpulan data, preprocessing data teks, transformasi data menggunakan TF-IDF, pembagian data training dan testing, proses klasifikasi, serta evaluasi model menggunakan Accuracy, Precision, Recall, dan F1-Score. Dataset yang digunakan terdiri dari data gangguan jaringan yang diklasifikasikan ke dalam beberapa kategori gangguan jaringan. Hasil penelitian menunjukkan bahwa metode Naive Bayes mampu mengklasifikasikan gangguan jaringan dengan baik. Berdasarkan hasil pengujian terhadap total data 950 dengan 750 data training dan 200 data testing, model berhasil memperoleh nilai Accuracy sebesar 90%, Precision sebesar 90%, Recall sebesar 90%, dan F1-Score sebesar 90%. Hasil tersebut menunjukkan bahwa metode Naive Bayes efektif digunakan dalam proses klasifikasi gangguan jaringan load balancing berbasis data teks. Sistem yang dibangun diharapkan dapat membantu teknisi jaringan dalam melakukan identifikasi gangguan secara lebih cepat, objektif, dan efisien dibandingkan metode manual.]]>
Copyrights © 2027
