analisis sistem pendeteksi posisi plat kendaraan dari citra kendaraan

1
BAB I
PENDAHULUAN
1.1
Latar Belakang
Pengembangan
pengetahuan
mengenai
teknologi
informasi
dan
komunikasi berkembang cukup pesat. Salah satu perkembangan teknologi
informasi dan komunikasi yang sangat terlihat saat ini adalah adanya penggunaan
teknologi komputer. Penggunaan model komunikasi berbasiskan teknologi
jaringan komputer merupakan teknologi yang sudah banyak digunakan. Model
komunikasi pada jaringan komputer, menggunakan aturan komunikasi yang
sesuai dengan standar tipe komunikasi yang sering dikenal dengan nama network
protocol. Jumlah dari port yang mengidentifikasikan network protocol menurut
IANA adalah sejumlah 65.536 port.
Banyaknya penggunaan network protocol dalam suatu komunikasi
terkadang menuntut adanya penggunaan prioritas komunikasi seperti kualitias
troughput, delay time, realability dan kemanan komunikasi. Penggunaan service
prioritas sering disebut dengan istilah QoS. Dasar pemberian prioritas (QoS)
adalah dengan penganalisaan terhadap Network traffic. Network traffic atau
Internet Traffic adalah lalu lintas komunikasi data dalam jaringan yang ditandai
dengan satu set aliran statistikal dengan penerapan pola terstruktur, Pola
terstruktur yang dimaksud adalah informasi dari header data informasi
komunikasi. Klasifikasi yang tepat terhadap sebuah trafik internet sangat penting
dilakukan terutama dalam hal desain 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 network protocol.
Analisa terhadap suatu trafik jaringan komputer merupakan salah satu cara
mengetahui penggunaan protocol komunikasi jaringan komputer, sehingga dapat
menjadi dasar penentuan prioritas (QoS).
2
Terkait dengan klasifikasi trafik jaringan komputer, beberapa penelitian
telah dilakukan dengan fokus pada penerapan data mining. Rachili (2007)
mengajukan penelitian mengenai Email Filtering Menggunakan Naïve Bayesian.
Pada penelitian tersebut Naïve Bayesian filter dibangun dari sekumpulan email
yang telah diklasifikasikan ke dalam spam mail dan legitimate mail. Hasil yang
didapat dari klasifikasi tersebut dibangun sebuah database filter yang digunakan
untuk mengidentifikasi email sebagai spam atau legitimate mail. Naïve Bayes
filter
mengklasifikasikan
email
dengan
menghitung
probabilitas
email
berdasarkan nilai probabilitas token pada database filter yang telah dibangun.
Internet Traffic Classification Using Bayesian Analysis Techniques yang
dilakukan oleh Andrew W. Moore dan Denis Zuev adalah menggambarkan
pengklasifikasi Internet Traffic pada Machine-Learning sebagai penentu QoS
(Quality of Service) dengan tingkat akurasi yang tinggi menggunakan Naïve Bayes
Estimator. Data (data latih) yang dipergunakan dalam acuan pengklasifikasian
adalah data yang diolah sendiri.
Judul Penelitian Klasifikasi Trending Topic Twitter Dengan Penerapan
Metode Naïve Bayes yang dilakukan oleh Puteri Alpita Agustina adalah
mengklasifikasikan beragam topik pembicaraan yang popular pada aplikasi
Twitter dimana beberapa topic pembicaraan dapat digolongkan sebagai topik
pembicaraan yang sama atau kategori tertentu. Pada penelitaannya digunakan 5
kategori yang masing-masing memiliki 20 fitur. Metode Naïve Bayes
menggunakan klasifikasi kata dari topik pembicara yang sama dengan
membandingkan setiap fitur yang dimiliki oleh tiap kategori.
Dalam pengambilan sebuah trafik jaringan komputer, terdapat beberapa
masalah diantaranya:
a.
Standarisasi atau format dalam trafik jaringan komputer tidak selalu sama
antar perangkat maupun antar pengguna tool.
b.
Trafik dalam bentuk log aktifitas jaringan terkadang hanya bertujuan untuk
pencatatan aktifitas yng sama dan trafik yang terdapat dalam suatu
perangkat server ataupun router bersifat realtime terkadang tidak mampu
menyimpan secara permanen. Hal ini disebabkan karena perangkat
3
tersebut memiliki system yang secara default atau hanya memiliki
kapasitas penyimpanan yang kecil.
c.
Tidak sembarang orang yang dapat mengambil dan menganalisis suatu
trafik jaringan untuk megetahui aktifitas dalam lalulintas jaringan.
Solusi yang dapat ditawarkan dalam permasalahan diatas terkait dengan
pengambilan informasi trafik jaringan adalah dengan mengambil sebuah capture
trafik dari sebuah komunikasi jaringan komputer. Tentunya dalam hal ini seorang
administrator akan menggunakan tool yang memiliki kemampuan dan terakui
keakuratannya. Sehingga nantinya pengambilan informasi yang didapat dari
capture trafik lebih bermanfaat. Ketika capture traffic telah dimiliki oleh admin
jaringan, maka tugas seorang administrator jaringan akan lebih mudah dalam
melakukan pengklasifikasian terhadap aktifitas yang rawan akan keamanan
(apakah terdapat serangan keamanan / hacking) atau termasuk lalulintas yang
normal. Implementasinya pada suatu system jaringan komputer. Capture trafik
yang didapat adalah dalam jumlah record yang besar.
Record dari hasil lalu litas jaringan merupakan catatan transaksi yang
dilakukan oleh host dalam aktifitas yang dilakukannya. Salah satu aplikasi yang
mampu mengenalkan bagaimana bentuk data trafik capture adalah aplikasi
wireshark. Trafik capture yang dihasilkan oleh aplikasi wireshark dapat terdiri
dari jumlah record yang besar hingga 200.000 record per 3 menit. Hal yang
diutamakan adalah bagaimana seorang administrator mampu menganalisis dan
membaca dengan tepat tentang adanya keamanan jaringan terutama yang
berhubungan dengan serangan (hacking) dari hasil capture trafik yang ada. Bagi
administrator yang kurang mengerti mengenai trafik jaringan akan memerlukan
waktu yang lama untuk membaca dari hasil capture trafik.
Berdasarkan dari fakta-fakta yang didapatkan pada penelitian sebelumnya
yang membahas mengenai klasifikasi trafik jaringan komputer atau menggunakan
metode Naïve Bayes sebagai pengklasifikasian dalam menentukan QoS (Quality of
Service) serta melihat masalah dalam pembelajaran yang didapat dari penelitian
sebelumnya, maka penulis melalui penelitian ini mengusulkan mengklasifikasi
trafik jaringan di Universitas Udayana dengan dasar penganalisaan dari hasil
4
capture trafik data yang dihasilkan. Adapun yang digunakan sebagai tools aplikasi
capture trafik data adalah aplikasi wireshark. Hasil data trafik capture akan diolah
dengan proses data mining dengan menggunakan metode Naïve Bayes sebagai
algoritma klasifikasi yang akan digunakan dalam data trafik jaringan komputer.
Dengan adanya metode Naïve Bayes, maka penganalisaan terhadap
klasifikasi trafik jaringan komputer yang dilakukan dari hasil data capture trafik
akan memudahkan dalam penganalisaan record yang besar.
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 penerapan teknik Naïve Bayes untuk klasifkasi trafik
jaringan Universitas Udayana ?
2. Bagaimanakah akurasi klasifikasi trafik jaringan internet Universitas
Udayana didasarkan pada label kelas ?
1.3
Tujuan
Menghasilkan sistem pengklasifikasian dalam jaringan komputer dengan
penggunaan data capture traffic network yang diolah menggunakan metode Naïve
Bayes.
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
Network Traffic menggunakan metode Naïve Bayes
2.
Terbentuknya klasifikasi jaringan komputer dengan proses klasifikasi yang
didapat dari data capture traffic network sehingga dalam hal pembacaan
5
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 traffic network
yang dalam bentuk .csv yang di dapat dari penggunaan tool wireshark.
b. Metode pengklasifikasian yang digunakan adalah Naïve Bayes.
c. Data set yang digunakan untuk proses klasifikasi adalah dengan
membangun dataset tersendiri.
d. Waktu pengambilan network traffic yang dilakukan adalah selama 2 menit.
e. Data uji yang digunakan dalam fase pengujian system adalah data sample
dari trafik jaringan Universitas Udayana di gedung GDLN.
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.
6
BAB II : TINJAUAN PUSTAKA
Bab ini berisikan teori-teori dasar yang digunakan dalam pengklasifikasian
penggunaan protocol komunikasi pada trafik jaringan menggunakan metode Naïve
Bayes.
BAB III : METODE PERANCANGAN SISTEM
Bab ini menjelaskan mengenai lokasi dilakukan penelitian, waktu
penelitian dimulai, sumber dan jenis data yang akan diolah dalam penelitian, alatalat penunjang dalam penelitian, dan tahapan penelitian yang dimulai dari alur
analisis penelitian hingga simulasi sistem pengklasifikasian menggunakan metode
Naïve Bayes.
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini akan dibahas mengenai penerapan algoritma Naïve Bayes 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 Naïve Bayes, disertai beberapa saran sebagai hasil akhir
dari penelitian yang telah dilakukan
7