digilib@itb.ac.id +62 812 2508 8800

Abstrak Indo.docx
PUBLIC Irwan Sofiyan

Deteksi anomali menggunakan time-series merupakan topik penting dalam berbagai bidang. Sistem monitoring dapat memberikan manfaat yang lebih besar jika memiliki mekanisme deteksi anomali. Deteksi anomali dini dapat menemukan masalah pada sistem sebelum masalah tersebut memberikan dampak yang lebih besar. Kubernetes adalah teknologi container orchestration yang populer pada saat ini, namun monitoring Kubernetes saat ini belum memiliki solusi deteksi anomali yang teruji. Pada tugas akhir ini dibuat solusi deteksi anomali yang untuk Kubernetes menggunakan algoritma Hierarchical Temporal Memory. Setelah solusi deteksi dibuat, dilakukan beberapa skenario pengujian untuk mengukur kinerja dari sistem deteksi anomali di Kubernetes. Tugas akhir ini juga membandingkan kinerja antara deteksi anomali HTM menggunakan single time-series dengan multiple time-series. Berdasarkan hasil pengujian, didapatkan kesimpulan bahwa solusi yang dibuat memiliki kinerja yang cukup baik di Kubernetes. Pengujian juga menunjukkan deteksi anomali HTM menggunakan single time-series sedikit lebih baik dibandingkan multiple time-series, untuk deteksi anomali multiple time-series membutuhkan kasus uji yang lebih spesifik.