SKRIPSI KLASIFIKASI PENGGUNAAN PROTOKOL KOMUNIKASI PADA TRAFIK JARINGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES I MADE BAYU DIBAWAN JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA JIMBARAN-BALI 2016
SKRIPSI KLASIFIKASI PENGGUNAAN PROTOKOL KOMUNIKASI PADA TRAFIK JARINGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES I MADE BAYU DIBAWAN (1104405023) JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA JIMBARAN-BALI 2016
KLASIFIKASI PENGGUNAAN PROTOKOL KOMUNIKASI PADA TRAFIK JARINGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES Skrps In Dajukan Sebaga Persyaratan Memperoleh Gelar Sarjana S1 (Starata1) Pada Jurusan Teknk Elektro Fakultas Teknk Unverstas Udayana I MADE BAYU DIBAWAN NIM 1104405023 JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2016
LEMBAR PERNYATAAN ORISINALITAS Tugas Akhr / Skrps n adalah hasl karya saya sendr, dan semua sumber bak yang dkutp maupun drujuk telah saya nyatakan dengan benar. Nama : I Made Bayu Dbawan NIM : 1104405023 TandaTangan : Tanggal : 3 Februar 2016
Scanned by CamScanner
KATA PENGANTAR Om Swastyastu puj syukur kehadapan Ida SangHyang Wdh Wasa/Tuhan Yang Maha Esa, karena atas segala lmpahan berkat dan Rahmat-Nya, sehngga proposal yang berjudul ʻʻKLASIFIKASI PENGGUNAAN PROTOKOL KOMUNIKASI PADA TRAFIK JARINGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES n dapat dselesakan dengan tepat waktu. Tugas akhr n dsusun untuk memenuh salah satu syarat dalam menyelesakan penddkan sarjana strata satu (S1) pada Jurusan Teknk Elektro Fakultas Teknk Unverstas Udayana. Terwujudnya tugas akhr n tdak lepas dar bantuan berbaga phak yang telah mendorong dan membmbng penuls, bak tenaga, de-de, maupun pemkran. Oleh karena tu dalam kesempatan n penuls ngn mengucapkan termakash yang sebesar-besarnya kepada :. 1. Bapak Prof. Ir. Ngakan Putu Gede Suardana, MT.,.Ph.selaku Dekan Fakultas Teknk Unverstas Udayana. 2. Bapak Wayan Gede Arastna, ST.M.Engsc.Ph.D selaku Ketua Jurusan Teknk Elektro Fakultas Teknk Unverstas Udayana. 3. Bapak Dr. I Made Oka Wdyantara, ST., MT. selaku dosen pembmbng I yang telah banyak memberkan arahan, waktu, semangat serta saran-saran selama penyusunan tugas akhr. 4. Ibu Ir.Lnawat. MEngSc.PhD. selaku dosen pembngbng II yang telah banyak memberkan arahan, waktu, semangat, serta saran-saran selama penyusunan tugas akhr. 5. Bapak Ir. I Made Mataram, M.Erg.,MT selaku pembmbng akademk yang telah membmbng dar semester 1, memberkan semangat dan dukungan dalam menjalan perkulahan. 6. Bapak Dandy Permana Hostad yang telah membmbng penuls, memberkan motvas dan dukungan dalam pembuatan tugas akhr.
7. Bapak dan Ibu beserta keluarga besar atas motvas, dukungan, serta saransaran yang selalu dberkan. 8. Rekan - rekan mahasswa angkatan 2011 Fakultas Teknk Elektro Unverstas Udayana. Penuls menyadar bahwa tugas akhr n mash jauh dar kesempurnaan, oleh karena tu krtk saran yang membangun dar berbaga phak sangat penuls harapkan dem perbakan-perbakan ke depan. Akhr kata, Saya mohon maaf yang sebesar-besarnya apabla dalam penyusunan tugas akhr n terdapat banyak kesalahan. Semoga tugas akhr n dapat bermanfaat khususnya bag penuls tugas akhr n dan pada umumnya bag para pembaca. Bukt Jmbaran, 26 Februar 2016
ABSTRAK Penggunaan model komunkas berbasskan teknolog jarngan komputer merupakan teknolog yang sudah banyak dgunakan. Model komunkas pada jarngan komputer, menggunakan aturan komunkas yang sesua dengan standar tpe komunkas yang serng dkenal dengan nama network protocol. Penggunaan network protocol dalam komunkas d jarngan komputer, terkadang menuntut adanya prortas komunkas yang serng dkenal dengan QoS (Qualty of Servce). Dasar pemberan prortas ( QoS) adalah dengan penganalsaan terhadap Trafk Jarngan.. Pada peneltan n melakukan klasfkas terhadap data capture Trafk Jarngan yang d olah menggunakan Algortma Naïve Bayes. Tools yang dgunakan untuk capture Trafk Jarngan yatu aplkas wreshark. Dar hasl observas terhadap dataset jarngan melalu proses perhtungan menggunakan Algortma Naïve Bayes memlk tngkat keakuratan yang sangat tngg. Hal n dbuktkan dengan hasl perhtungan yang mencapa nla 92,34 %. Hasl proses klasfkas akan djadkan sebaga acuan dalam penentuan pemberan Prortas terhadap Network protocol yang serng dgunakan dalam komunkas jarngan. Kata kunc : Network protocol, Naïve Bayes QoS, network capture
ABSTRACT Usage-based communcaton model of computer network technology s a technology that s already wdely used. Model communcatons on a computer network, usng the rules of communcaton n accordance wth the standard type of communcaton that s often known as the network protocol. Use of network communcaton protocol n computer networks, sometmes requres the prorty communcaton commonly known as QoS (Qualty of Servce). Basc prortzaton (QoS) s by analyzng the network traffc. In ths study the classfcaton of the data capture network traffc that though the use of Naïve Bayes algorthm. Tools used to capture network traffc that wreshark applcaton. From the observaton of the network dataset through the calculaton process usng Naïve Bayes algorthm has a very hgh level of accuracy. Ths s evdenced by the results of calculatons whch reached 92.34%. The results of the classfcaton process wll be used as a reference n determnng gvng prorty to the Network protocol that s often used n network communcatons. Keywords: Network protocol, Naïve Bayes QoS, network capture
DAFTAR ISI Halaman JUDUL.... LEMBAR PERSYARATAN GELAR... LEMBAR PERNYATAAN ORISINALITAS... LEMBAR PENGESAHAN... v KATA PENGANTAR... v ABSTRAK... v ABSTRACT... v DAFTAR ISI... x DAFTAR TABEL... x DAFTAR GAMBAR... x DAFTAR SINGKATAN... x BAB I PENDAHULUAN 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 4 1.3 Tujuan Penulsan... 4 1.4 Manfaat Penulsan... 4 1.5 Ruang Lngkup Dan Batasasn Masalah... 5 1.6 Sstematka Penulsan... 5 BAB II TINJAUAN PUSTAKA 2.1 Tnjauan Mutakhr...... 7 2.2 Tnjauan Pustaka... 10 2.2.1 Data Mnng... 10 2.2.2 Cross Industry Standard Process for Data Mnng... 14 2.2.3 Klasfkas... 17 2.2.4 Protokol Jarngan... 17 2.2.5 Algortma Naïve Bayes... 21 2.2.6 Pengukuran Knerja Klasfkas... 24 2.2.7 Topolog Jarngan... 25
2.2.8 Wreshark... 26 2.2.9 Pentaho Data Integraton (PDI)... 27 BAB III METODE PENELITIAN 3.1 Lokas dan Waktu Peneltan... 29 3.2 Sumber dan Jens Data Peneltan... 29 3.2.1 Sumber Data... 29 3.2.2 Metode Pengumpulan Data... 30 3.2.3 Jens Data Peneltan... 30 3.3 Alat Peneltan... 30 3.4 Tahapan Peneltan... 31 3.4.1 Pengembangan Metode Data Mnng... 31 3.4.1.1 Pemahaman Bsns... 32 3.4.1.2 Pemahaman Data... 33 3.4.1.3 Pengolahan Data... 35 3.4.1.4 Pemodelan... 36 3.4.1.5 Implementas dengan MATLAB... 37 3.4.1.6 Implementas Model Algortma pada MATLAB... 41 3.5 Metode Analss... 42 BAB IV HASIL DAN PEMBAHASAN 4.1 Pengolahan Data Mentah... 44 4.1.1 Transformas Data... 45 4.2 Perhtungan Data Mnng... 47 4.2.1 Perhtungan Akuras... 49 4.3 Evaluas... 50 4.3.1 Hasl Pengukuran Akuras... 50 4.3.2 Data Hasl Klasfkas... 52 BAB V KESIMPULAN DAN SARAN 5.1 Smpulan... 55 5.2 Saran... 55
DAFTAR TABEL Halaman Tabel 2.1 Tnjauan mutakhr (state of the art)... 5 Tabel 2.2 Tnjauan mutakhr (state of the art) Lanjutan... 9 Tabel 2.3 Tnjauan mutakhr (state of the art) Lanjutan... 10 Tabel 2.4 Perbedaan data mnng dengan yang bukan data mnng.... 8 Tabel 2.5 Confuson Matrks... 24 Tabel 3.1 Tabel Contoh Kelas Label (dandy, 2013)... 27 Tabel 3.1 Parameter Akuras... 40 Tabel 3.2 Model label kelas... 43 Tabel 4.1 Model label kelas... 46 Tabel 4.2 Data lath yang telah dlakukan nsalsas... 47 Tabel 4.3 Perhtungan manual... 48 Tabel 4.4 Confuson matrk... 49 Tabel 4.5 Hasl klasfkas naïve bayes... 52
DAFTAR GAMBAR Halaman Gambar 2.1 Gambar Tahapan Data Mnng... 9 Gambar 2.2 CRISP DM... 15 Gambar 2.3 Topolog jarngan Unverstas Udayana... 26 Gambar 2.4 Gambar aplkas wreshark... 18 Gambar 2.5 Pengolahan data pada aplkas PENTAHO... 28 Gambar 3.1 CRISP DM... 32 Gambar 3.2 Penempatan capturng data... 33 Gambar 3.3 Proses export.csv... 34 Gambar 3.4 Atrbut capture wreshark... 34 Gambar 3.5 Pemlhan Atrbut... 35 Gambar 3.6 Flowchart Sstem Naïve Bayes... 37 Gambar 4.1 Preprocessng data... 44 Gambar 4.2 Executon Result... 45 Gambar 4.3 Hasl akuras Klasfkas Trafk Jarngan Unverstas Udayana menggunakan Algortma Naïve Bayes... 51 Gambar 4.4 Banyak protokol berdasarkan prortas... 53 Gambar 4.5 Banyak length range berdasarkan prortas... 53 Gambar 4.6 Banyak countng range berdasarkan prortas... 54
DAFTAR SINGKATAN K-NN SVM JST WWW HTTP DNS UDP MAD TCP IMAP SSH FTP SSL Qos GUI TCP SNMP RARP ICMP = K-Nearest Neghbor = Support Vector Machne = Jarng Saraf Truan = World Wde Web = Hypertext Transfer Protocol = Doman Name System = User Datagram Protokol = Mean Absolute Dfference = Transmsson Control Protocol = Internet Message Access Protocol = Secure Shell Hostng = Fle Transfer Protocol = Secure Socket Layer = Qualty Of Servce = Graphcal User Interface = Transmsson Control Protocol = Smple Network Management Protocol = Reverse Address Resoluton Protocol = Internet Control Massage Protocol