penyedia layanan server yang diakses atau dituju oleh pengguna. Pihak administrator jaringan di Universitas Pattimura, diperoleh informasi total

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Bandwidth merupakan ukuran jumlah data yang dapat melakukan perjalanan lebih dari satu sistem komunikasi yang dialokasikan dalam rentang waktu atau disebut juga sebagai kecepatan data. Bandwidth juga memiliki arti bahwa semakin besar bandwidth bisa menghasilkan komunikasi yang lebih cepat. Ketersediaan bandwidth jaringan merupakan faktor penting dalam memilih layanan web (Foster, 2003). Pada dasarnya besarnya kebutuhan bandwidth mempresentasikan kapasitas dari koneksi, semakin tinggi kebutuhan bandwidth, umumnya akan diikuti oleh kinerja yang lebih baik. Salah satu solusi yang paling efektif untuk mengatasinya adalah dengan mengelola pemakaian bandwidth yang menghasilkan suatu kualitas layanan lalu lintas aliran data yang baik dan berkualitas. Kemampuan untuk mengantisipasi kebutuhan bandwidth sangat penting untuk layanan yang efisien dan pengambilan keputusan cerdas dalam menghadapi perkembangan lalu lintas yang cepat dan perubahan pola lalu lintas (Nandi et al, 1998). Pada dasarnya besarnya kebutuhan bandwidth mempresentasikan kapasitas dari koneksi, semakin tinggi kebutuhan bandwidth, umumnya akan diikuti oleh kinerja yang lebih baik, meskipun kinerja keseluruhan juga tergantung pada faktorfaktor lain, misalnya latency yaitu waktu tunda antara masa sebuah perangkat meminta akses ke jaringan dan masa perangkat itu memberi izin untuk melakukan transmisi (Trimantaraningsih et al, 2008). Khususnya yang terjadi di lingkungan kampus Universitas Pattimura, terdapat beberapa keluhan dari pengguna jaringan internet. Mahasiswa maupun karyawan dan dosen di Universitas Pattimura mengeluhkan adanya koneksi internet yang dirasa kurang sesuai dengan apa yang diharapkan, misalnya dari segi kecepatan ataupun kestabilan koneksi. Kecepatan koneksi yang didapatkan oleh pengguna tidak hanya dipengaruhi oleh alokasi bandwidth yang diberikan oleh pihak kampus tetapi dipengaruhi juga oleh alokasi bandwidth yang disediakan oleh 1

2 2 penyedia layanan server yang diakses atau dituju oleh pengguna. Pihak administrator jaringan di Universitas Pattimura, diperoleh informasi total bandwidth yang dimiliki pihak kampus dengan pembagian alokasi bandwidth berdasarkan jumlah pengguna pada setiap departemen atau bagian yang ada. Secara garis besar ada beberapa faktor yang harus dipertimbangkan dalam menentukan alokasi bandwidth yaitu jumlah departemen beserta karyawan yang ada dalam setiap departemen, jumlah dosen, jumlah mahasiswa, serta alokasi khusus yang diperlukan untuk layanan server untuk mendukung kegiatan belajar mengajar di kampus. Permasalahan yang muncul dari pembagian bandwidth yang sudah dilaksanakan adalah sudah tepatkah pembagian bandwidth yang diimplementasikan untuk saat ini, perlu dilakukan perubahan atau tidak untuk pembagian bandwidth nya sehingga biaya yang dikeluarkan untuk sewa bandwidth dapat menjadi efektif dan efisien. Berangkat dari permasalahan yang sudah disebutkan diatas, diperlukan adanya analisa lebih mendalam mengenai berapa kebutuhan bandwidth yang harus disediakan oleh pihak kampus sehingga layanan koneksi internet maupun Local Area Network (LAN) dapat berjalan dan mendukung semua aktifitas yang memerlukan kondisi network dengan layanan yang sesuai. Untuk membantu pihak manajemen menentukan alokasi yang tepat untuk sewa bandwidth maka dibutuhkan suatu sistem yang dapat memprediksi penggunaan bandwidth menggunakan jaringan syaraf tiruan dengan algoritma Elman Recurrent Neural Network. Struktur Elman dipilih karena dapat membuat iterasi jauh lebih cepat dan konvergensi akan menjadi lebih cepat yang disebabkan oleh jaringan Elman memiliki feedback yang menawarkan proses pembelajaran yang lebih cepat pada jaringan (Pasila et al, 2009). Kemampuan belajar yang dimilikinya dapat dilatih untuk mempelajari dan menganalisa pola data masa lalu dan berusaha mencari suatu formula atau fungsi yang akan menghubungkan pola data masa lalu dengan keluaran yang diinginkan pada saat ini. 1.2 Rumusan Masalah Pada penelitian ini, permasalahan yang akan diselesaikan adalah bagaimana menerapkan metode Elman Recurrent Neural Network untuk membuat suatu model

3 3 yang dapat melakukan prediksi dalam hal penggunaan bandwidth pada Universitas Pattimura Ambon. 1.3 Batasan Masalah Ruang lingkup penelitian ini dibatasi agar penelitian lebih terarah. Batasan permasalahan yang ada pada penelitian ini antara lain sebagai berikut : 1. Prediksi dibatasi pada keadaan penggunaan bandwidth normal dan bukan keadaan penggunaan bandwidth yang insidensial atau keadaan khusus. 2. Variabel data yang digunakan untuk prediksi kebutuhan bandwidth pada jaringan komputer adalah data trafik harian meliputi besarnya kapasitas data yang digunakan. 3. Data yang digunakan sebagai penelitian adalah data trafic internet pada hari kerja dan pada saat jam kantor yaitu dari jam 07:00 sampai dengan 17: Tujuan Penelitian Penelitian ini bertujuan membuat suatu sistem prediksi dengan menggunakan model Elman Recurent Neural Network. Diharapkan dengan sistem ini mampu memberikan kemungkinan penggunaan bandwidth yang lebih tepat pada Universitas Pattimura. 1.5 Manfaat Penelitian Dengan adanya sistem ini diharapkan dapat memberi manfaat sebagai berikut: 1. Sistem informasi prediksi kebutuhan bandwidth ini dapat dijadikan sebagai acuan untuk penentuan kebutuhan bandwidth di Universitas Pattimura Ambon. 2. Untuk memprediksi penggunaan bandwidth dalam jangka waktu tertentu, misalnya hari, minggu, bulan, dan tahun tergantung dari jumlah windows size yang ditentukan serta banyaknya data yang dimiliki. 1.6 Keaslian Penelitian Penelitian yang berkaitan dengan prediksi penggunaan bandwidth dalam jaringan komputer telah dilakukan antara lain Demand Forecast and Performance Prediction in Peer-Assisted On-Demand Streaming Systems dalam penelitian ini, peneliti menggunakan teknik analisis time-series untuk secara otomatis memprediksi populasi

4 4 online, peer upload dan bandwidth server, berdasarkan pembelajaran dari kedua faktor manusia dan dinamika sistem dari pengukuran online. Mekanisme yang diusulkan dievaluasi pada data Set besar diperoleh dari internet komersial video-ondemand system (Niu dkk,2011). Pada penelitian dengan Jaringan Saraf Tiruan (JST) Perceptron mengusulkan sebuah pendekatan berbasis prediksi kinerja jaringan. Mekanisme jaringan saraf tiruan telah diuji pada file klasik trace dan dibandingkan dengan sistem Network Weather Service (NWS) untuk kinerja. Perkembangan terakhir teknologi komputer, seperti layanan web, kotak, peer-to-peer, dan mobile computing adalah komputasi berbasis jaringan. Penerapan mereka tergantung pada ketersediaan bandwidth jaringan yang mendasarinya. Namun, sumber daya jaringan dibagi dan bandwidth jaringan yang tersedia bervariasi dengan waktu. Tidak ada solusi yang memuaskan tersedia untuk prediksi kinerja jaringan. Kurangnya prediksi membatasi penerapan komputasi berbasis jaringan, terutama untuk komputasi grid di mana pengolahan remote bersamaan sangat penting. Hasil pengujian menunjukkan pendekatan jaringan saraf tiruan selalu menyediakan prediksi peningkatan dibandingkan NWS (Li, 2006). Perbedaan penelitian ini dengan penelitian-penelitian sebelumnya yaitu pada proses analisis sistem yang dirancang dan output sistem informasi, penelitian terdahulu mengunakan model perceptron dan analisis timeseries. Pada penelitian ini dirancang suatu sistem prediksi kebutuhan bandwidth pada jaringan komputer dengan metode jaringan saraf tiruan Elman Recurrent Neural network, dengan mengambil kasus pada Universitas Pattimura Ambon. 1.7 Metodologi Penelitian Tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut: 1. Studi Literatur Pada tahapan ini dilakukan pembacaan paper, jurnal, artikel dan buku yang terkait dengan jaringan komputer dan jaringan saraf tiruan metode Elman Recurrent Neural Network.

5 5 2. Desain Penelitian Pada tahapan ini dibangun skema rancangan untuk proses pengolahan data penggunaan bandwidth, proses training dan testing pada Elman Recurrent Neural Network, dan proses prediksi penggunaan bandwidth. 3. Pengumpulan Data Pada tahapan ini dilakukan pengumpulan data yaitu pengumpulan data penggunaan bandwidth di Universitas Pattimura Ambon. 4. Implementasi Pada tahapan ini dilakukan pengimplementasian desain penelitian yang diusulkan ke dalam baris program. Program tersebut digunakan untuk melakukan pengolahan data penggunaan bandwidth dan prediksi penggunaan bandwidth pada waktu tertentu dengan menggunakan jaringan saraf tiruan metode Elman Recurent Neural Network. 5. Analisa Hasil Pada tahapan ini dilakukan proses training dan testing pada recurent neural network dengan menggunakan data-data yang telah diolah. Kemudian dilakukan analisa terhadap hasil pengelompokkan menggunakan proses training dan testing dengan nilai akurasi tertinggi. 6. Penarikan Kesimpulan Pada tahapan ini dilakukan penarikan kesimpulan untuk menjawab rumusan masalah penelitian dan memenuhi tujuan penelitian yang telah dijabarkan. 1.8 Sistematika Penulisan Tesis ini berisikan 7 (tujuh) bab dengan rincian masing-masing bab sebagai berikut: BAB I PENDAHULUAN Bab ini berisi uraian singkat tentang latar belakang penelitian, rumusan masalah, batasan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan.

6 6 BAB II TINJAUAN PUSTAKA Bab ini berisi uraian penelitian-penelitian serupa yang telah dilakukan dan dijadikan referensi dalam penelitian ini. BAB III LANDASAN TEORI Bab ini berisi uraian teori-teori dasar yang berkaitan dengan studi kasus dan metode-metode yang digunakan dalam penelitian ini. BAB IV ANALISIS DAN PERANCANGAN Bab ini berisi mengenai analisa terhadap penggunaan metode-metode yang mendukung proses training dan testing yang dibutuhkan dalam penelitian ini dan penggunaan Elman Recurrent Neural Network sebagai metode JST yang dipilih. Perancangan yang diuraikan adalah perancangan pengolahan data penggunaan bandwidth, perancangan Elman Recurrent Neural Network, antar muka sistem, dan perancangan pengujian sistem. BAB V IMPLEMENTASI Bab ini berisi implementasi metode pengolahan data penggunaan bandwidth dan Elman Recurrent Neural Network dari hasil analisis dan perancangan yang dilakukan. BAB VI HASIL DAN PEMBAHASAN Bab ini berisi hasil pengolahan data penggunaan bandwidth, hasil pengelompokkan data dan analisis hasil pengelompokkan data. BAB VII KESIMPULAN DAN SARAN Bab ini berisi kesimpulan hasil penelitian dan saran untuk penelitian lebih lanjut.