CLUSTERING PENGGUNAAN BANDWIDTH MENGGUNAKAN METODE K-MEANS ALGORITHM PADA PENERAPAN SINGLE SIGN ON (SSO) UNIVERSITAS SEBELAS MARET

Transkripsi

1 CLUSTERING PENGGUNAAN BANDWIDTH MENGGUNAKAN METODE K-MEANS ALGORITHM PADA PENERAPAN SINGLE SIGN ON (SSO) UNIVERSITAS SEBELAS MARET HALAMAN JUDUL SKRIPSI Diajukan untuk memenuhi salah satu syarat mencapai gelar Strata Satu Program Studi Informatika Disusun oleh: VIGNASARI KOKASIH M PROGRAM STUDI INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2016

2 SKRIPSI CLUSTERING PENGGUNAAN BANDWIDTH MENGGUNAKAN METODE K-MEANS ALGORITHM PADA PENERAPAN SINGLE SIGN ON (SSO) UNIVERSITAS SEBELAS MARET HALAMAN PENGAJUAN Disusun oleh: Vignasari Kokasih M Ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Strata Satu Program Studi Informatika PROGRAM STUDI INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA

3 SKRIPSI CLUSTERING PENGGUNAAN BANDWIDTH MENGGUNAKAN METODE K-MEANS ALGORITHM PADA PENERAPAN SINGLE SIGN ON (SSO) UNIVERSITAS SEBELAS MARET HALAMAN PERSETUJUAN Disusun oleh: Vignasari Kokasih M Skripsi ini telah disetujui untuk dipertahankan dihadapan dewan penguji, Pada tanggal: 18 Januari 2016 Pembimbing 1, Pembimbing 2, Dr. Wiranto, M.Kom., M.Cs. NIP Afrizal Doewes, S.Kom., M.Sc. NIP

4 SKRIPSI CLUSTERING PENGGUNAAN BANDWIDTH MENGGUNAKAN METODE K-MEANS ALGORITHM PADA PENERAPAN SINGLE SIGN ON (SSO) UNIVERSITAS SEBELAS MARET HALAMAN PENGESAHAN Disusun oleh: Vignasari Kokasih M Telah dipertahankan dihadapan Dewan Penguji, pada tanggal: 18 Januari 2016 Susunan Dewan Penguji 1. Dr. Wiranto, M.Kom., M.Cs. ( ) NIP Afrizal Doewes, S.Kom., M.Sc. ( ) NIP Hasan Dwi Cahyono, S.Kom., M.Kom. ( ) NIP Ristu Saptono, S.Si., M.T. ( ) NIP Disahkan oleh, Kepala Program Studi Informatika Drs. Bambang Harjito, M.App.Sc, Ph.D. NIP

5 HALAMAN MOTTO Ready Steady GO by Larch En Ciel 5

6 HALAMAN PERSEMBAHAN Skripsi ini penulis persembahkan untuk: Keluarga Kokasih tercinta, Ayahanda Tri Wahyu Kokasih, Ibunda Slamet Handayani Abang Tyas Kokasih, dan Dik Orisativa Kokasih Kak Dina Kharismawati, dan Kirana Kokasih Teman Seatap-Seperjuangan, Lia Primadani,S.Kom.; Miranda Nur Qolbi Aprilina,S.Kom.; Arissa Aprilia Nurcahyani,S.Kom.; Arba Sasmoyo,S.Kom.,OCA. Kelompok Umak-Umik, Lia Primadani; Vivi Dyah Hapsoro Wati; Yunita Primasari; Ainun Fajriyah; Widyaningdyah Hidayati; Astrid Noviana Paradhita Sahabat Pena, Wulan Ciptaning Pangestuti Anak Traktirmen, Lia Primadani; Faisal Dharma Adhinata; Muhammad Hezby Alhaq dan Keluarga SAT PUSKOM UNS 6

7 KATA PENGANTAR Segala puji syukur penulis panjatkan kehadirat Allah SWT atas segala limpahan rahmat dan karunia-nya, sehingga penulis dapat menyelesaikan penulisan penelitian yang berjudul Clustering Penggunaan Bandwidth Menggunakan Metode K-means Algorithm Pada Penerapan Single Sign On (SSO) Universitas Sebelas Maret. Sholawat dan salam senantiasa penulis haturkan kepada junjungan kita Nabi Muhammad SAW sebagai pembimbing seluruh umat manusia. Pada pengerjaan penelitian ini penulis banyak memerlukan bantuan, bimbingan dan motivasi dari berbagai pihak. Oleh karena itu, ucapan terimakasih yang sepantasnya penulis ucapkan kepada: 1. Bapak Drs. Bambang Harjito, M.App.Sc., Ph.D. selaku kepala program studi Informatika FMIPA UNS. 2. Bapak Dr. Wiranto, M.Kom., M.Cs. selaku pembimbing I terimakasih untuk setiap diskusi, ilmu, wejangan, semangat dan bimbingannya. 3. Bapak Afrizal Doewes, S.Kom., M.Sc. selaku pembimbing II terimakasih atas pertanyaan kritis yang memicu penggalian informasi lebih lanjut. 4. Bapak Triyadi Joko Purwanto, S.Si., Bapak Bagus Setiawan, S.Si., dan admin jaringan lainnya yang memberikan dukungan data dan masukan pada penelitian ini. Semoga Allah SWT membalas kebaikan yang telah diberikan dengan balasan yang lebih baik. Penulis menyadari bahwa penelitian ini masih banyak kekurangan, oleh karena itu mohon kritik dan saran dari pembaca. Semoga penelitian ini dapat memberikan manfaat kepada pembaca umumnya dan penulis pada khususnya. Surakarta, 29 Oktober 2015 Penulis 7

8 CLUSTERING PENGGUNAAN BANDWIDTH MENGGUNAKAN METODE K-MEANS ALGORITHM PADA PENERAPAN SINGLE SIGN ON (SSO) UNIVERSITAS SEBELAS MARET VIGNASARI KOKASIH Program Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret ABSTRAK Akses internet melalui sistem Single Sign On (SSO) di Universitas Sebelas Maret telah banyak di manfaatkan oleh civitas akademik seperti mahasiswa dan karyawan/dosen. Data dari aktifitas penggunaan SSO tersebut tercatat pada log SSO dan telah terkumpul banyak. Pada log tersebut tercatat mengenai: (1) status perangkat jaringan yang di gunakan, (2) riwayat login pengguna dan (3) riwayat logout pengguna SSO. Pada riwayat login dan logout pengguna terdapat detail data seperti akun pengguna, lokasi dan tanggal mengakses, jumlah penggunaan bandwidth download dan upload, waktu login dan waktu logout. Teknik data mining dapat di terapkan untuk menggali informasi dari data log SSO yang telah terkumpul banyak. Tujuan penelitian ini untuk menganalisa penggunaan bandwidth Universitas Sebelas Maret (UNS) berdasarkan data trafik internet dari log SSO dengan menggunakan metode data clustering untuk mengelompokkan data yang mempunyai kesamaan dalam satu cluster, yaitu menggunakan algoritma K-means. Kata kunci: data mining, clustering, k-means, Single Sign On 8

9 CLUSTERING BANDWIDTH USAGE USING K-MEANS ALGORITHM ON THE SINGLE SIGN ON (SSO) APPLICATION UNIVERSITAS SEBELAS MARET VIGNASARI KOKASIH Department of Informatics, Faculty of Mathematics and Natural Sciences, Universitas Sebelas Maret ABSTRACT Internet access through Single Sign On (SSO) system at Universitas Sebelas Maret has been widely used by academic community as student, staff or faculty. Data from the SSO usage activity recorded in the SSO log that has accumulated a lot. The SSO log recorded: (1) network devices status, (2) user login history, and (3) user logout history through SSO. The login and logout record have have more detailed data such as username, location, date of access, total download and upload data, login time, and logout time. Data mining techniques can be applied to extract information from the SSO log data. The purpose of this study was to analyze the bandwidth usage of Universitas Sebelas Maret (UNS) based on the internet traffic recorded on SSO log using the data clustering methods for grouping data that have similarities in clusters, using the K- means Algorithm. Keywords: data mining, clustering, k-means, Single Sign On 9

10 DAFTAR ISI HALAMAN JUDUL... 1 HALAMAN PENGAJUAN... 2 HALAMAN PERSETUJUAN... 3 HALAMAN PENGESAHAN... 4 HALAMAN MOTTO... 5 HALAMAN PERSEMBAHAN... 6 KATA PENGANTAR... 7 ABSTRAK... 8 ABSTRACT... 9 DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Sistematika Penulisan BAB II TINJAUAN PUSTAKA

11 2.1. Dasar Teori Bandwidth Single Sign On (SSO) Data Clustering Algoritma K-means Penelitian Terkait Rencana Penelitian BAB III METODOLOGI Pengumpulan Data Preprocessing Data Data Cleaning Attribute Selections Data preparation Clustering Data Analisa Data BAB IV HASIL DAN PEMBAHASAN Deskripsi data Clustering Data Bulan Maret Bulan April Bulan Mei Bulan Juni

12 Bulan Juli Bulan Agustus Bulan September Bulan Oktober Analisa Data Kategori Bulan Penggunaan Bandwidth Waktu akses pengguna Lokasi Pada Keseluruhan Bulan BAB V KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN

13 DAFTAR TABEL Tabel 2.1. Data CDR dan CBR tahun 1994 (ESCAP Population Data, 1996) Tabel 2.2. Hasil Perhitungan Iterasi Tabel 2.3. Hasil Cluster Iterasi Tabel 2.4. Hasil Penghitungan Iterasi Tabel 2.5. Hasil Cluster Iterasi Tabel 2.6. Hasil Perhitungan Iterasi Tabel 2.7. Hasil Cluster Iterasi Tabel 2.8. Rangkuman Penelitian Terkait Tabel 4.1. Distribusi clustering jumlah pengakses pada bulan Maret Tabel 4.2. Range min-max total download dan upload bulan Maret Tabel 4.3. Waktu yang di gunakan pengakses bulan Maret Tabel 4.4. Distribusi clustering jumlah penggakses pada bulan April Tabel 4.5. Range min-max total download dan upload bulan April Tabel 4.6. Waktu yang digunakan pengakses bulan April Tabel 4.7. Distribusi clustering jumlah pengakses pada bulan Mei Tabel 4.8. Range min-max total download dan upload bulan Mei Tabel 4.9. Waktu yang digunakan pengakses bulan Mei Tabel Distribusi clustering jumlah pengakses pada bulan Juni Tabel Range min-max total download dan upload bulan Juni Tabel Waktu yang digunakan pengakses bulan Juni Tabel Distribusi clustering jumlah pengakses pada bulan Juli Tabel Range min-max total download dan upload bulan Juli Tabel Waktu yang digunakan pengakses bulan Juli Tabel Distribusi clustering jumlah pengakses pada bulan Agustus Tabel Range min-max total download dan upload bulan Agustus Tabel Waktu yang digunakan pengakses bulan Agustus Tabel Distribusi clustering jumlah pengakses pada bulan September

14 Tabel Range min-max total download dan upload bulan September Tabel Waktu yang digunakan pengakses September Tabel Distribusi clustering jumlah pengakses pada bulan Oktober Tabel Range min-max total download dan upload bulan Oktober Tabel Waktu yang digunakan pengakses bulan Oktober Tabel Hasil clustering Tabel Persentase pengakses per bulan dalam tiap cluster Tabel Waktu akses pengguna pada cluster Tabel Waktu akses pengguna pada cluster Tabel Waktu akses pengguna pada cluster

15 DAFTAR GAMBAR Gambar 1.1. Sistem Single Sign On (Abdurrahman, 2012) Gambar 1.2. Sistem Sign On biasa (Abdurrahman, 2012) Gambar 2.1. OSI Model (Wikibooks, 2015) Gambar 2.2. Arsitektur SSO (Haryanto, 2014) Gambar 2.3. Peran Data Mining (Gan, Ma, & Wu, 2007) Gambar 2.4. Diagram algoritma clustering (Gan, Ma, & Wu, 2007) Gambar 3.1. Kerangka Pemikiran Gambar 3.2. Contoh blok status router Gambar 3.3. Contoh blok status pengguna login Gambar 3.4. Contoh blok status pengguna logout Gambar 3.5. Diagram alir algoritma K-means (Nainggolan, 2014) Gambar 4.1. Jumlah pengakses internet harian tiap bulan Gambar 4.2. Perbandingan range total penggunaan bandwidth pada cluster Gambar 4.3. Perbandingan range total penggunaan bandwidth pada cluster Gambar 4.4. Perbandingan range total penggunaan bandwidth pada cluster Gambar 4.5. Jumlah pengguna tiap lokasi per bulan Gambar 4.6. Jumlah pengakses tiap cluster per bulan

16 DAFTAR LAMPIRAN Lampiran 1. Penjelasan log SSO blok status perangkat jaringan Lampiran 2. Penjelasan log SSO blok status login Lampiran 3. Penjelasan log SSO blok status logout Lampiran 4. Distribusi penggunaan bandwidth bulan Maret Lampiran 5. Distribusi penggunaan bandwidth bulan April Lampiran 6. Distribusi penggunaan bandwidth bulan Mei Lampiran 7. Distribusi penggunaan bandwidth bulan Juni Lampiran 8. Distribusi penggunaan bandwidth bulan Juli Lampiran 9. Distribusi penggunaan bandwidth bulan Agustus Lampiran 10. Distribusi penggunaan bandwidth bulan September Lampiran 11. Distribusi penggunaan bandwidth bulan Oktober Lampiran 12. Distribusi clustering penggunaan bandwidth bulan Maret Lampiran 13. Distribusi clustering penggunaan bandwidth bulan April Lampiran 14. Distribusi clustering penggunaan bandwidth bulan Mei Lampiran 15. Distribusi clustering penggunaan bandwidth bulan Juni Lampiran 16. Distribusi clustering penggunaan bandwidth bulan Juli Lampiran 17. Distribusi clustering penggunaan bandwidth bulan Agustus Lampiran 18. Distribusi clustering penggunaan bandwidth bulan September Lampiran 19. Distribusi clustering penggunaan bandwidth bulan Oktober Lampiran 20. Waktu yang digunakan pengakses bulan Maret Lampiran 21. Waktu yang digunakan pengakses pada bulan April Lampiran 22. Waktu yang digunakan pengakses pada bulan Mei Lampiran 23. Waktu yang digunakan pengakses pada bulan Juni Lampiran 24. Waktu yang digunakan pengakses pada bulan Juli Lampiran 25. Waktu yang digunakan pengakses pada bulan Agustus Lampiran 26. Waktu yang digunakan pengakses pada bulan September Lampiran 27. Waktu yang digunakan pengakses pada bulan Oktober