clustering penggunaan bandwidth menggunakan

Seminar Nasional Ilmu Komputer (SNIK 2015) - Semarang, 10 Oktober 2015
ISBN: 978-602-1034-19-4
CLUSTERING PENGGUNAAN BANDWIDTH MENGGUNAKAN
METODE K-MEANS ALGORITHM PADA PENERAPAN SINGLE
SIGN ON (SSO) UNIVERSITAS SEBELAS MARET
Vignasari Kokasih1, Wiranto2, Afrizal Doewes3
1,2,3
Program Studi Informatika, FMIPA, Universitas Sebelas Maret
Email: [email protected], [email protected], 3afrizal [email protected]
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 jumlah bandwidthdownload dan upload yang digunakan, waktu login, waktu
logout dan lain-lain. Teknik data mining dapat di terapkan untuk menggali informasi dari data log SSO yang telah
terkumpul banyak. Tujuan penelitian ini untuk menganalisa penggunaanbandwidth 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
1. PENDAHULUAN
Koneksi internet saat ini telah menjadi bagian yang penting bagi civitas akademika Universitas Sebelas
Maret (UNS) mengingat seluruh aktifitas administrasi, keuangan, dan akademik telah di kembangkan
dengan sistem berbasis informasi. Kebutuhan akan internet tersebut telah mendorong pihak pimpinan
untuk melakukan perbaikan dan pembenahan atas fasilitas internet yang di sediakan. Salah satunya adalah
dengan menetapkan kebijakan sistem Single Sign On (SSO) yang mulai diterapkan di hampir seluruh area
kampus Universitas Sebelas Maret.
Single Sign On (SSO) adalah sistem yang mengizinkan pengguna agar dapat mengakses seluruh sumber
daya dalam jaringan hanya dengan menggunakan satu credential (akun) saja [1]. Sistem Single Sign On
menghindari login ganda terhadap aplikasi-aplikasi yang diintegrasikan ke dalam sistem ini, sehingga
pengelolaan hak akses aplikasi menjadi terpusat. Sementara pada sistem sign on biasa mengharuskan
pengguna untuk selalu login saat melakukan akses pada beberapa aplikasi yang berbeda. Secara umum
gambaran sistem single sign on dan sistem sign on biasa dapat dilihat pada Gambar 1 dan Gambar 2.
Pengguna
User ID
Password
Gambar 1. Sistem Single Sign On (SSO).
User ID
Password
User ID
Password
Pengguna
User ID
Password
Gambar 2. Sistem sign on biasa.
235
Seminar Nasional Ilmu Komputer (SNIK 2015) - Semarang, 10 Oktober 2015
ISBN: 978-602-1034-19-4
Selain sebagai pemusatan data pengguna, sistem single sign on yang sekarang ini di terapkan di UNS juga
di manfaatkan untuk sarana pembagian bandwidth. Semua data aktifitas pengguna SSO yang mengakses
internet dengan menggunakan jaringan kampus akan tercatat dalam log SSO yang di dalamnya terdapat 3
blok informasi, yakni: (1) status perangkat jaringan, (2) status pengguna yang melakukan login, (3) status
pengguna logout. Setiap blok informasi tersebut terdapat detail informasi yang dapat diambil untuk
mengetahui pola penggunaan bandwidth.
Pada penelitian ini akan dilakukan analisa data trafik internet dengan melakukan pengelompokan data
atau sering disebut sebagai clustering. Clustering adalah pembagian data ke dalam beberapa kelompok
yang memiliki kemiripan. Setiap kelompok disebut sebagai cluster yang terdiri dari data-data yang mirip
diantara mereka dan berbeda dengan data kelompok lain [2]. Ada beberapa algoritma dalam clustering,
salah satunya adalah algoritma K-means (KMA), yaitu algoritma yang paling sederhana dan paling umum
digunakan dalam kriteria kesalahan kuadrat [3]. Algoritma K-means populer karena mudah untuk
diterapkan dan kompleksitas waktunya adalah O(n), di mana n adalah jumlah pola (pattern).
Pemodelan peramalan kebutuhan bandwidth dengan menggunakan metode regresi linier untuk
menentukan variable input peramalan, sedangkan jaringan syaraf tiruan backpropagation digunakan
untuk tahap peramalan. Data yang digunakan adalah data trafik internet di FMIPA UNS dan mendapatkan
simpulan bahwa pemodelan terbaik adalah model download average pada r= 0.91 [4].
Dalam penelitian yang berjudul “The Development of Web Log Mining Based on Improved K-means
Clustering Analysis” melakukan analisis terhadap penggalian data pada web log dengan menggunakan Kmeans. Pada penelitian ini mengusulkan indeks efektif dari algoritma clustering K-means dan diverifikasi
dengan melakukan beberapa kali percobaan. Pada penelitian ini juga mengusulkan pemilihan cluster awal
secara otomatis menggunakan metode pemilihan centroid dan simpulan yang di dapatkan adalah
pemilihan inisialisasi awal cluster tersebut dapat mengurangi outlier dan meningkatkan hasil clustering
[5].
Berdasarkan penelitian di atas, penelitian ini mengusulkan untuk melakukan pengolahan data trafik
internet tidak hanya pada satu fakultas saja, namun data yang di pakai mencakup seluruh wilayah UNS
yang telah menerapkan system SSO dan bertujuan untuk melihat pola persebaran penggunaan bandwidth
di UNS pada hari aktif dari tanggal 15 Maret 2015–24 Juni 2015 dengan menggunakan algoritma Kmeans (KMA).
2. METODE
2.1. Pengumpulan Data
Data yang digunakan adalah data trafik internet yang di dapatkan dari log SSO tanggal 15 Maret 2015–24
Juni 2015. Log SSO adalah kumpulan status keberjalanan SSO yang tercatat pada setiap harinya untuk
setiap aktifitas yang dilakukan oleh pengguna maupun perangkat jaringan yang bersangkutan. Pada log
ini terdapat 3 blok informasi, yakni: (1) status perangkat jaringan, (2) status pengguna yang melakukan
login, (3) status pengguna logout. Setiap blok informasi tersebut terdapat detail informasi yang dapat
diambil untuk mengetahui kepadatan trafik akses internet.
2.2. Preprocessing
Pada tahap ini dilakukan seleksi/pemilihan data dengan membuang data log pada hari libur, yaitu:
Hari Sabtu dan Minggu.
Hari libur Nyepi 21 Maret 2015.
Hari libur wafatnya Isa Al Masih 3 April 2015.
Hari libur buruh Internasional 1 Mei 2015.
Hari libur kenaikan Isa Al Masih 14 Mei 2015.
Hari libur Isra’ Miraj 16 Mei 2015.
Hari libur Waisak 2 Juni 2015.
Selanjutnya data kembali diseleksi dengan membuang data yang atributnya bernilai NULL. Kumpulan
data yang telah di seleksi tersebut akan di ambil atribut total download data (bytes), total upload data
(bytes), lokasi akses, tanggal akses dan waktu (s) session yang di gunakan untuk tiap-tiap pengguna. Jika
dari ke-5 atribut tersebut pada atribut total download dan total upload data bernilai sama dengan 0, maka
atribut tersebut dianggap tidak valid karena dari data tersebut menunjukkan bahwa pengguna tidak
melakukan aktifitas akses jaringan/internet sehingga data akan di hapus.
236
Seminar Nasional Ilmu Komputer (SNIK 2015) - Semarang, 10 Oktober 2015
ISBN: 978-602-1034-19-4
Setelah itu, dari data yang di dapat akan di ubah menjadi kecepatan bandwidth rata-rata dengan membagi
total data dengan waktu session yang di gunakan pengguna. Sehingga output dari tahap preprocessing ini
adalah:
1) Lokasi akses.
2) Tanggal akses.
3) Bandwidth download rata-rata (bytes/s).
4) Bandwidth upload rata-rata (bytes/s).
Output tahapan preprocessing yang akan digunakan pada tahap data clusteringadalah atribut bandwidth
download rata-rata dan bandwidth upload rata-rata yang di nyatakan dalam satuan bytes/s. Sedangkan
data lokasi akses dan tanggal akses akan digunakan untuk pembagian data yang akan di cluster.
2.3. Data Clustering
Data Clustering (atau hanya disebut clustering), juga disebut analisis cluster, analisis segmentasi, analisis
taksonomi atau klasifikasi tanpa pengawasan (unsupervised classification) adalah metode untuk membuat
kelompok objek atau cluster, sedemikian sehingga bahwa objek yang sangat mirip dikatakan dalam satu
cluster sedangkan objek di-cluster yang berbeda mempunyai perbedaan yang cukup jelas [6]. Clustering
merupakan komponen penting dari data mining yaitu proses mengeksplorasi dan menganalisis data dalam
jumlah besar untuk menemukan informasi yang berguna [7]. Clustering juga merupakan persoalan
mendasar dalam literatur pengenalan pola (pattern recognition).
Langkah-langkah algoritma K-Means adalah sebagai berikut [8].
1) Menentukan k sebagai jumlah cluster yang ingin dibentuk.
2) Membangkitkan nilai random untuk pusat cluster awal (centroid) sebanyak k.
3) Menghitung jarak setiap data input terhadap masing-masing centroid menggunakan rumus jarak
Eucledian (Eucledian Distance) hingga ditemukan jarak yang paling dekat dari setiap data dengan
centroid. Berikut adalah persamaan Eucledian Distance:
[
]
[∑ (
) ]
Dimana xj dan yj berturut-turut adalah nilai atribut x dan y yang ke-j.
4) Mengelompokkan setiap data berdasarkan kedekatannya dengan centroid (jarak terkecil).
5) Memperbaharui nilai centroid.
6) Melakukan perulangan dari langkah 2-5 hingga anggota tiap clustertidak ada yang berubah.
(1)
3. HASIL DAN PEMBAHASAN
Penelitian ini menggunakan data log SSO dari tanggal 15 Maret 2015–24 Juni 2015 yang telah di proses
dan akan di lakukan proses clustering terhadap data bandwidth download rata-rata dan bandwidth upload
rata-rata, yang akan di bedakan berdasarkan tempat akses dan waktu (bulan). Jumlah total data dari log ini
±350.017 data transaksi dan setelah dilakukan tahap pre-processing, didapatkan ±302.783 data transaksi
yang akan di olah ke dalam 7 cluster.
Nilai cluster k= 7 di dapatkan dengan melakukan beberapa kali percobaan clustering dengan menghitung
nilai SSE masing-masing cluster untuk di perbandingkan. Hasil percobaan tersebut dapat di lihat pada
Gambar 3.
Gambar 3. Grafik penghitungan nilai SSE terhadap jumlah cluster.
237
Seminar Nasional Ilmu Komputer (SNIK 2015) - Semarang, 10 Oktober 2015
ISBN: 978-602-1034-19-4
Pada metode elbow nilai cluster yang akan diambil adalah nilai yang mengalami penurunan secara
signifikan dan membentuk sudut. Berdasarkan grafik pada Gambar 3 dapat di lihat bahwa nilai cluster k =
7 adalah titik yang memenuhi kriteria metode elbow (siku). Hal inilah yang mendasarkan penelitian ini
untuk melakukan clustering data dengan nilai k = 7.
Hasil dari clustering data log keseluruhan dapat dilihat pada Tabel 1.
Cluster
C1
C2
C3
C4
C5
C6
C7
Total
Tabel 14. Distribusi frekuensi keseluruhan
Pengguna
Centroid (Bps)
Upstream
Downstream
4464
16663.296371 505682.603495
998 182877.502004 192219.895792
193 604280.694301 418974.119171
11887
9528.202742 244704.490115
1118
31611.640429 956626.836315
244099
1078.290181
10784.756369
40024
5725.634419
87290.163427
302783
Berdasarkan dari tabel 1 dapat di lihat bahwa pengguna SSO kebanyakan termasuk ke dalam cluster 6,
dimana berturut-turut centroid upstream dan downstream adalah ≥210 Bps; ≥216 Bps (1 byte = 8 bits) atau
sekitar 1 KBps untuk upstream dan 64 KBps untuk downstream. Hasil dari clustering data log
keseluruhan berdasarkan bulan dapat dilihat pada Tabel 2.
Tabel 15. Distribusi frekuensi pengguna internet per bulan
Cluster
Maret
April
Mei
Juni
24
3940
16310
14687
C1
4
1717
384
835
C2
2929
137
1905
1952
C3
153
202
542
82857
C4
2
739
87
208
C5
488
57078
94773
152
C6
3
11129
4952
4594
C7
3603
74942
118953
105285
Total
Berdasarkan dari Tabel 2 dapat di lihat bahwa pengguna SSO kebanyakan melakukan akses di bulan Mei,
yaitu bulan aktif akademik menjelang liburan semester ganjil. Sedangkan nilai centroid pada cluster yang
memiliki nilai tertinggi untuk tiap bulannya dijelaskan pada Tabel 3.
Bulan
Maret
April
Mei
Juni
Tabel 16. Centroidcluster terbesar pada tiap bulan
Centroid (Bps)
Cluster
Pengguna
Upstream
Downstream
C3
1697.988051
21773.080232
2929
C6
1086.897544
9423.329234
57078
C6
1030.224051
10590.371889
94773
C4
1024.069505
9027.113726
82857
Berdasarkan dari Tabel 3 dapat di lihat bahwa pengguna SSO kebanyakan mendapatkan fasilitas akses
internet melalui jaringan kampus dengan rata-rata kecepatan bandwidth upload dan download berturutturut, ≥210 Bps; ≥213 Bps (1 byte = 8 bits) atau sekitar 1 KBps untuk upstream dan 8 KBps untuk
downstream.
238
Seminar Nasional Ilmu Komputer (SNIK 2015) - Semarang, 10 Oktober 2015
ISBN: 978-602-1034-19-4
Hasil dari clustering data log, jika di petakan berdasarkan tempat lokasi akses jaringan adalah sebagai
berikut.
Tabel 17. Distribusi frekuensi pengguna internet per lokasi akses
C1
C2
C3
C4
C5
C6
C7
Total
33
1
876
152
8569
75
17
9723
A
233
617
23
2608
20863
37
87
24468
B
35 1545
172
6577
74
597
301
9301
C
47
446
42
2959
179 16696
1058 21427
D
8737
84
406
259
1641
17
33 11177
E
127
756
21
63
231
14
12
1224
F
1076 3513
412
110 25820
84
12 31027
G
12075 2690
17
33
957
177
472 16421
H
647
199
3679
379
1520
70 13504 19998
I
540
113
1320 52744
8943
2994
209 66863
J
55
9
1593
425
52
10
141
2285
K
228
848
93
11
3189
8
40
4417
L
606
40
7652
2005
85
22
216 10626
M
22
171
8
1904
28
414
55
2602
N
1782
52
7592
130
382
231
794 10963
O
23
19
80
311
1362
6
30
1831
P
83 1748
8
22
186
642
366
3055
Q
133 1988
260
593
457
7155
975 11561
R
359 1353 29324
4569
4
101
11 35721
S
5143
7
119
46
392
16
1038
6761
T
834
14
7
274
113
24
65
1331
U
Berdasarkan dari tabel 4 dapat di lihat berturut-turut, tempat yang paling banyak dan paling sedikit di
gunakan pengguna SSO untuk mengakses internet adalah lokasi J dan F. Sedangkan nilai centroid pada
cluster yang memiliki nilai tertinggi untuk tiap lokasi di jelaskan pada Tabel 5.
Lokasi
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
Tabel 18. Centroid cluster terbesar pada tiap lokasi
Centroid (Bps)
Cluster
Upstream
Downstream
C5
1064.736725
15821.422686
C5
883.978766
6539.855869
C4
1226.158279
9888.695454
C6
1060.485086
9281.518927
C1
1056.905116
8724.446606
C2
876.783069
8303.477513
C5
1296.18505
9555.807165
C1
924.479006
7652.335569
C7
1057.903658
8023.829976
C4
1355.952241
8438.469001
C3
829.857502
8280.864407
C5
964.26905
9063.669802
C3
1132.057109
8865.775091
C4
545.206933
5470.163866
C3
1135.039779
9286.851027
C5
868.748899
9166.974302
C2
1044.157323
7622.223684
C6
1155.367855
11628.603215
C3
1517.225583
16618.028509
C1
739.83706
5993.341046
C1
499.952038
2973.775779
User
8569
20863
6577
16696
8737
756
25820
12075
13504
52744
1593
3189
7652
1904
7592
1362
1748
7155
29324
5143
834
Berdasarkan dari Tabel 5 dapat di lihat bahwa pengguna SSO kebanyakan mendapatkan fasilitas akses
internet melalui jaringan kampus dengan rata-rata kecepatan bandwidth upload dan download di tiap
239
Seminar Nasional Ilmu Komputer (SNIK 2015) - Semarang, 10 Oktober 2015
ISBN: 978-602-1034-19-4
tempatnya berturut-turut, ≥29Bps sampai dengan ≥210Bps; ≥211Bps sampai dengan ≥214Bps (1 byte = 8
bits) atau sekitar 512 Bps – 2 KBps untuk upstream dan 2 – 16 KBps untuk downstream.
4. SIMPULAN
Himpunan data log bandwidth pada kasus ini dapat di cluster menggunakan algoritma K-means dengan
jumlah cluster 7. Pemilihan nilai cluster k=7, sudah melalui beberapa percobaan. Hasil clustering data
penggunaan bandwidth dapat di lihat bahwa bulan padat pengguna SSO adalah bulan Mei dengan
kecepatan download dan upload yang masih kalah dengan bulan Maret atau bulan dengan pengguna SSO
terendah, sedangkan lokasi yang paling banyak dan paling sedikit di gunakan pengguna SSO untuk
mengakses internet adalah di lokasi J dan F mempunyai rata-rata kecepatan yang tidak jauh berbeda untuk
downstream.
5.
[1]
[2]
[3]
[4]
[5]
[6]
[5]
[6]
REFERENSI
Haryanto, D. 2014. Single Sign On Server System. Bandung: NET-COMLABS ITB.
Berkhin, P. 2002. Survey of Clustering Data Mining Techniques. San Jose, CA: Accrue Software.
MacQueen, J. 1967. Some Method for Classification and Analysis of Multivariate Observations.
dalam Proc. of the fifth Berkeley Symposium on Mathematical Statistics and Probability.
Putri, A. U. 2014. Peramalan Kebutuhan Bandwidth Menggunakan Jaringan Saraf Tiruan
Backpropagation Dengan Input Berdasarkan Best Subset Regression. Surakarta: Universitas
Sebelas Maret.
Wang, T. 2012. The Development of Web Log Mining Based on Improved K-means Clustering
Analysis. Springer: Verlag Berlin Heidelberg.
Gan, G., Ma, C., dan Wu, J. 2007. Data Clustering Theory, Algorithms and Applications,
Alexandria Virginia: Society for Industrial and Applied Mathematics.
Berry, M. dan Linoff, G. 2000. Mastering Data Mining. New York: John Wiley & Sons.
Sarwono, Y. 2010. Aplikasi Model Jaringan Syaraf Tiruan dengan Radial Basis Function untuk
Mendeteksi Kelainan Otak (Stroke Infark). Sekolah Tinggi Manajemen Informatika & Teknik
Komputer, Surabaya.
240