Perpustakaan Digital ITB

Dalam era komunikasi yang semakin maju, jaringan 5G membawa beberapa kelebihan pada bidang telekomunikasi, salah satunya adalah menjanjikan koneksi dengan kecepatan dan kapasitas data yang tinggi. Kelebihan tersebut membuat pengelolaan trafik jaringan semakin kompleks dengan tingkat klasifikasi yang akurat untuk optimalisasi penggunaan pada berbagai aplikasi dan layanan. Sistem identifikasi jenis trafik berbasis protokol dan secara manual seringkali gagal dalam menangani pengklasifikasian yang mempengaruhi kinerja jaringan, kualitas layanan, dan pengalaman pengguna. Perancangan ini bertujuan untuk mengembangkan sistem klasifikasi sebagai alternatif yang efektif dan efisien menggunakan data dari network monitoring tools dengan memanfaatkan metode individual machine learning sehingga dapat menghasilkan model klasifikasi yang lebih akurat dan adaptif terhadap perubahan pola trafik yang dinamis. Algoritma individual machine learning yang dikembangkan adalah Support Vector Machine (SVM) dan k-Nearest Neighbor (kNN). Menggunakan pendekatan data trafik 5G yang ditarik pada network monitoring tools, kedua algoritma tersebut akan dilatih menggunakan fitur klasifikasi pada data yang telah diproses dan menghasilkan suatu model machine learning. Kemudian, pengguna dapat mengakses visualisai dan hasil pengujian berdasarkan pemilihan fitur terhadap penggunaan data dan jenis machine learning sesuai yang diinginkan melalui suatu website. Hasil pengujian menunjukkan bahwa kedua model machine learning mampu mengklasifikasi jenis trafik dengan akurasi tinggi, yaitu sekitar 99% untuk keduanya. Sistem klasifikasi ini berpotensi diimplementasikan sebagai solusi untuk optimasi pengelolaan jaringan 5G dan pengingkatan kualitas layanan.