analisis sistem pendeteksi posisi plat kendaraan dari citra kendaraan

1
BAB I
PENDAHULUAN
1.1
Latar Belakang
Pada saat ini komunikasi data pada jaringan internet telah mencapai
kemajuan yang sangat pesat, ditandai oleh pemakaiannya yang lebih beragam dan
teknologi yang digunakan sudah sangat jauh berbeda. Hingga sudah begitu banyak
variasi data yang disebarkan melalui internet, yang dulunya hanya melewati
paket-paket data biasa, kini sesuai dengan kebutuhan trafik internet sudah dilewati
paket-paket multimedia seperti audio dan video. Hal ini akan berakibat pada
meningkatnya trafik data yang dapat menyebabkan penurunan performansi
jaringan terutama pada jaringan yang memiliki bandwidth terbatas (Azhari, 2006).
Trafik jaringan internet adalah lalu lintas komunikasi data dalam jaringan
yang ditandai dengan satu set aliran statistik dengan penerapan pola terstruktur.
Pola terstruktur yang dimaksud adalah informasi dari header paket data.
Klasifikasi yang tepat terhadap sebuah trafik internet sangat penting dilakukan
terutama dalam hal disain perancangan arsitektur jaringan, manajemen jaringan
dan keamanan jaringan. Klasifikasi yang dilakukan adalah berdasarkan atas
banyaknya tipe aktifitas komunikasi. Aktifitas komunikasi dalam jaringan
komputer diatur dalam proses komunikasi menggunakan protokol jaringan.
Analisa terhadap suatu trafik jaringan komputer merupakan salah satu cara
mengetahui penggunaan protokol komunikasi jaringan komputer, sehingga dapat
menjadi dasar penentuan prioritas Quality of Service (QoS). Banyaknya
penggunaan protokol jaringan dalam suatu komunikasi terkadang menuntut
adanya penggunaan prioritas layanan komunikasi seperti kualitias troughput,
waktu tunda, kehandalan dan keamanan komunikasi. Penggunaan pioritas layanan
sering disebut dengan istilah QoS. Dasar pemberian prioritas QoS adalah dengan
penganalisaan terhadap trafik jaringan.
Terkait dengan klasifikasi trafik jaringan komputer, beberapa penelitian
telah dilakukan dengan fokus pada penerapan data mining. Penelitian tentang
2
Network Traffic Classification Using Correlation Information dilakukan oleh Jun
Zhang, dkk (2011) adalah klasifikasi yang menggunakan metode K-Neaerest
Neighbor (K-NN) pada trafik jaringan. Dimana pengklasifikasian ini mampu
meningkatkan kinerja klasifikasi yang efektif dengan memasukkan informasi ke
dalam pengklasifikasian.
Penerapan teknik klasifikasi K-NN, juga dilakukan oleh (Kim dkk, 2008)
dan (Tom dkk, 2001), pada klasifikasi tersebut memerlukan prosedur pelatihan
intensif untuk parameter klasifikasi. Analisis terhadap algoritma K-NN juga
dilakukan oleh Duda, dkk (2001), dimana K-NN mampu menangani klasifikasi
dalam jumlah kelas yang besar. Dalam sudut pandang ini, maka K-NN dapat
diterapkan untuk klasifikasi lalu lintas di lingkungan jaringan yang kompleks.
Duda, dkk (2001), juga menjelaskan bahwa klasifikasi K-NN dapat mencapai
kinerja hampir sama dengan pengklasifikasi parameter Support Vector Machine
(SVM) dan Jaring Saraf Tiruan (JST).
Berdasarkan hasil-hasil penelitian diatas, maka penelitian ini mengusulkan
teknik klasifikasi trafik jaringan komputer Universitas Udayana menggunakan
algoritma K-NN. Sasarannya adalah untuk memperoleh parameter atau klasifikasi
Qos yang tepat untuk trafik jaringan Universitas Udayana. Informasi data trafik
internet Universitas Udayana diambil atau diperoleh melalui mekanisme Capture
data menggunakan aplikasi perangkat lunak wireshar. Hasil data trafik capture
akan diolah dengan proses data maining dengan menggunakan algoritma K-NN.
Algoritma K-NN mengklasifikasi Qos berdasarkan tingkat kemiripan data uji
dengan data pelatihan.
1.2
Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan, maka rumusan
permasalahan yang akan dibahas lebih lanjut dalam penelitian ini adalah sebagai
berikut:
1.
Bagaimanakah menerapkan teknik K-NN untuk klasifikasi trafik jaringan di
Universitas Udayana?
3
2.
Bagaimanakah Akurasi trafik jaringan internet Universitas Udayana
didasarkan pada label kelas yang sudah ditetapkan ?
1.3
Tujuan
Menghasilkan system pengklasifikasian dalam jaringan komputer dengan
penggunaan data capture trafik jaringan yang diolah menggunakan algoritma KNN.
1.4
Manfaat
Adapun manfaat yang dapat diambil dari penyusunan tugas akhir ini adalah
sebagai berikut :
1.
Bagi penulis, dapat memperkaya pengetahuan di bidang Pengklassifikasi
trafik jaringan menggunakan metode K-NN.
2.
Terbentuknya klasifikasi penentu Qos jaringan komputer dengan proses
klasifikasi yang didapat dari data capture trafik jaringan sehingga dalam hal
pembacaan tidak secara manual yang mengharuskan membaca dari record
dalam jumlah besar.
1.5
Ruang Lingkup Dan Batasan Masalah
Dengan luasnya cakupan yang dapat terkait dengan tugas akhir ini dan
untuk keseragaman pemahaman dalam penelitian, maka terdapat batasan-batasan
yang perlu diberlakukan pada tugas akhir ini. Adaupun batasan permasalahan
yang penulis angkat pada penelitian ini adalah :
a. Penggunaan data input yang digunakan adalah dari capture trafik jaringan
dalam bentuk .csv yang di dapat dari penggunaan tool wireshark.
b. Algoritma pengklasifikasian yang digunakan adalah K-NN.
c. Data set yang digunakan untuk proses klasifikasi adalah dengan
membangun dataset tersendiri.
d. Waktu pengambilan trafik jaringan yang dilakukan adalah selama 4 menit.
e. Data uji yang digunakan dalam fase pengujian system adalah data sample
dari trafik jaringan Universitas Udayana di gedung GDLN.
4
1.6
Sistematika Penulisan
Sistematika penulisan dalam penyusunan tugas akhir ini terdiri dari pokok
pembahasan yang saling berkaitan antara satu dengan lainnya, yaitu :
BAB I PENDAHULUAN
Bab ini membahas mengenai gambaran umum penelitian mulai dari
latar belakang, rumusan masalah, tujuan penulisan, manfaat penelitian,
batasan masalah dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab
ini
berisikan
teori-teori
dasar
yang
digunakan
dalam
pengklasifikasian penggunaan protocol komunikasi pada trafik jaringan
menggunakan algoritma K-NN sebagai penentu Qos.
BAB III METODE PERANCANGAN SISTEM
Bab ini menjelaskan mengenai lokasi dilakukan penelitian, waktu
penelitian dimulai, sumber dan jenis data yang akan diolah dalam penelitian,
alat-alat penunjang dalam penelitian, dan tahapan penelitian yang dimulai
dari alur analisis penelitian, hingga simulasi sistem pengklasifikasian
menggunakan algoritma K-NN.
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini akan dibahas mengenai penerapan algoritma k-nearest
neighbor ke dalam sistem serta pengujiannya.
BAB V PENUTUP
Dalam bab ini akan dijelaskan mengenai kesimpulan yang didapatkan
dari pembahasan tentang sistem pengklasifikasian Trafik Jaringan dengan
menggunakan algoritma k-nearest neighbor, disertai beberapa saran sebagai
hasil akhir dari penelitian yang telah dilakukan
5