LOG MINING NOC METRASAT BOGOR UNTUK MANAJEMEN
BANDWIDTH DAN EVALUASI KARYAWAN
ARIEF KURNIAWAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Log Mining NOC Metrasat Bogor untuk Manajemen Bandwidth dan Evaluasi Karyawan adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
ABSTRAK
ARIEF KURNIAWAN. Log Mining NOC Metrasat Bogor untuk Manajemen Bandwidth dan Evaluasi Karyawan. Dibimbing oleh HERU SUKOCO.
Ruang network operation center (NOC) Metrasat Bogor merupakan pusat pemantauan jaringan Metrasat. Fungsi ruang NOC ialah memantau seluruh jaringan dalam bisnis Metrasat, melakukan pemeliharaan jaringan, dan berkomunikasi dengan pelanggan via pertemuan langsung ataupun online. Untuk mengetahui penggunaan jaringan pada ruang NOC sudah optimal, perlu dilakukan pengamatan pada seluruh paket jaringan yang digunakan. Dengan menggunakan aplikasi network packet analyzer yaitu Wireshark, penggunaan jaringan tersebut dapat diketahui lalu dijadikan masukan untuk proses data mining menggunakan algoritme clustering k-means. Hasil dari clustering tersebut dianalisis untuk menghasilkan suatu model yang dapat digunakan sebagai acuan manajemen bandwidth pada ruang NOC dan sebagai bahan evaluasi kinerja karyawan apakah sudah optimal sebagaimana fungsinya. Penelitian ini menunjukkan bahwa karakteristik pengguna dari setiap kategori pengguna sesuai dengan tugas pokoknya. Pengalokasian bandwidth untuk operational division sebesar 55%, mobile user sebesar 30%, dan operational monitoring sebesar 15%.
Kata kunci: analisis jaringan, clustering, data mining, k-means, manajemen bandwidth, Wireshark.
The network operation center (NOC) room at Metrasat Bogor is a central of network monitoring. The function of NOC room is monitoring the entire network in Metrasat business, performing network maintenance, and communicating with customers via offline or online meetings. In order to determine whether the network usage is optimal, an observation needs to be done on the entire network traffic that is used. By using a network packet analyzer application, Wireshark, we can determine network usage and use it as an input for data mining using k-means clustering algorithm. The result of clustering is analyzed to produce a model that can be used as a reference for the network bandwidth management in the NOC room and performance evaluation for optimal function. This study showed that the characteristics of each category users according to their main tasks. The allocation of bandwidth is for operational division at 55%, mobile users at 30%, and operational monitoring at 15%.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer
pada
Departemen Ilmu Komputer
LOG MINING NOC METRASAT BOGOR UNTUK MANAJEMEN
BANDWIDTH DAN EVALUASI KARYAWAN
ARIEF KURNIAWAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Penguji:
1 Dr Ir Sri Wahjuni, MT
Judul Skripsi : Log Mining NOC Metrasat Bogor untuk Manajemen Bandwidth dan Evaluasi Karyawan
Nama : Arief Kurniawan
NIM : G64124012
Disetujui oleh
DrEng Heru Sukoco, SSi MT Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan dengan judul Log Mining NOC Metrasat Bogor untuk Manajemen Bandwidth dan Evaluasi Karyawan.
Penulis mengucapkan terima kepada:
1 Mama, Papa, dan Kakak yang telah memberikan doa serta dukungan moral sehingga karya ilmiah ini dapat terselesaikan.
2 Bapak DrEng Heru Sukoco, SSi MT selaku pembimbing, Ibu Dr Ir Sri Wahjuni, MT, dan Bapak Auriza Rahmad Akbar, SKomp MKom selaku penguji yang telah memberikan banyak saran pada karya ilmiah ini.
3 Bapak Nugroho Wibisono selaku Manager VSAT IP dan Datacom di Metrasat, dan Bapak Imam Santoso selaku Senior Engineer Datacom yang telah membantu dalam pengambilan data.
4 Teman-teman Ilkom Alih Jenis Angkatan 7 atas segala bantuan yang diberikan. Semoga karya ilmiah ini bermanfaat.
DAFTAR ISI
Ruang Lingkup Penelitian 2
METODE 2
Analisis Lingkungan Jaringan 3
Pengkarakterisasian Beban Kerja 3
Pengamatan dan Pengambilan Paket Jaringan 3
Pengolahan Paket Jaringan 4
Analisis Paket Jaringan 5
Perancangan Manajemen Bandwidth 5
Evaluasi Kinerja Karyawan 6
HASIL DAN PEMBAHASAN 6
Analisis Lingkungan Jaringan 6
Pengkarakterisasian Beban Kerja 7
Pengamatan dan Pengambilan Paket Jaringan 8
Pengolahan Paket Jaringan 8
Analisis Paket Jaringan 10
Perancangan Manajemen Bandwidth 13
Evaluasi Kinerja Karyawan 14
SIMPULAN DAN SARAN 14
Simpulan 14
Saran 14
DAFTAR PUSTAKA 15
DAFTAR TABEL
1 Perangkat lunak di ruang NOC 7
2 Pengalamatan IP 7
3 Lingkungan pengembangan 7
4 Protokol aplikasi yang digunakan 8
5 Kategori protokol aplikasi 9
6 Kategori pengguna 9
7 Anggota cluster 10
8 Jumlah koneksi seluruh cluster 13
DAFTAR GAMBAR
1 Metode penelitian 2
2 Cisco SPAN (Cisco Systems 2003) 4
3 Topologi jaringan Metrasat 6
4 Penempatan sniffer pada switch 8
5 Sum of squared error 10
6 Penggunaan aplikasi web 11
7 Penggunaan aplikasi web secure 11
8 Penggunaan aplikasi monitoring 11
9 Penggunaan aplikasi mail 12
10 Penggunaan aplikasi remote access 12
11 Penggunaan aplikasi messaging 12
12 Model HTB 13
DAFTAR LAMPIRAN
1 Kriteria HTTP 17
2 Kriteria filter pada Wireshark 17
3 Lalu lintas paket jaringan 18
4 Pengambilan paket jaringan menggunakan Wireshark 19
5 Hasil pengambilan paket jaringan 20
6 Hasil filtering 21
PENDAHULUAN
Latar Belakang
Jaringan komputer merupakan sekumpulan komputer yang saling terkoneksi
melalui suatu medium bisa berupa kabel (wire) atau berupa sinyal elektromagnetik
(wireless) dan network devices (hub, switch, router, dan lain-lain). Melalui jaringan komputer, pengguna bisa saling berhubungan dan menemukan berbagai informasi. Meningkatnya kebutuhan akan informasi mendorong peningkatan teknologi komunikasi data jaringan komputer, yang dituntut memberikan kemudahan akses dan kecepatan untuk mendapatkan informasi.
Indonesia adalah negara kepulauan di Asia Tenggara yang memiliki 13 487 pulau besar dan kecil, sekitar 6000 di antaranya tidak berpenghuni. Dengan kondisi ini, banyak pihak yang memerlukan suatu media komunikasi yang dapat mengatasi
keadaan tersebut. Media komunikasi menggunakan satelit yaitu very small aperture
terminal (VSAT) dapat mengatasi keadaan tersebut.
Metrasat merupakan salah satu perusahaan penyedia layanan VSAT. Sampai
tahun 2014, Metrasat sudah memiliki remote lebih dari empat belas ribu titik yang
tersebar di seluruh Indonesia dan terus bertambah (Metrasat 2015). Sebagian besar pelanggan Metrasat merupakan perusahaan–perusahaan besar yang bergerak di bidang perbankan, pertambangan, perkebunan, dinas pemerintahan, dan lain lain. Untuk melakukan pemeliharaan jaringan yang disediakan kepada semua pelanggan,
divisi operation and maintenance (OM) Metrasat memiliki ruang network
operations center (NOC) yang bertempat di Kota Bogor. Berikut fungsi-fungsi dari ruang NOC:
- pemantauan seluruh jaringan dalam bisnis Metrasat, - pemeliharaan jaringan,
- komunikasi dengan pelanggan via meeting langsung ataupun online.
Dengan fungsi-fungsi tersebut, ruang NOC harus memiliki jaringan yang
menunjang. Maka diperlukan kebijakan manajemen bandwidth agar penggunaan
jaringan dapat optimal dan kinerja para karyawan harus dievaluasi apakah sudah benar sesuai dengan tugas pokok dan fungsinya.
Untuk menganalisis penggunaan layanan suatu jaringan internet dapat berdasarkan pada protokol–protokol aplikasi. Aplikasi Wireshark dapat digunakan
untuk meng-capture dan menganalisis suatu jaringan. Hasil dari analisis tersebut
dapat digunakan untuk memperoleh tingkat utilisasi kinerja (Sianipar 2012). Data
mining dengan algoritme clustering menggunakan metode k-means dapat
mengetahui karakteristik pengguna jaringan berdasar cluster yang diperoleh, dan
hasilnya dapat dijadikan rekomendasi model kebijakan manajemen bandwidth
(Pariwono 2014).
Perumusan Masalah
Perumusan masalah pada penelitian ini adalah bagaimana memperoleh pengetahuan tentang karakteristik penggunaan jaringan pada ruang NOC Metrasat Bogor. Pengetahuan tersebut nantinya digunakan untuk merancang model
2
Tujuan Penelitian
Tujuan dari penelitian ini adalah: 1 Mengetahui karakteristik pengguna.
2 Melakukan clustering menggunakan algoritme k-means pada paket jaringan yang diperoleh dari aplikasi Wireshark.
3 Merekomendasikan model kebijakan manajemen bandwidth.
4 Mengevaluasi kinerja karyawan apakah sudah sesuai dengan tugas pokok dan fungsinya.
Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat memberikan gambaran tentang karakteristik penggunaan jaringan oleh karyawan di ruang NOC Metrasat Bogor, sehingga dapat dijadikan bahan pertimbangan dalam perancangan manajemen
bandwidth dan sebagai bahan evaluasi kinerja karyawan apakah sudah sesuai dengan tugas pokok dan fungsinya masing-masing.
Ruang Lingkup Penelitian
Ruang lingkup pada penelitian ini adalah:
1 Penelitian dilakukan pada jaringan ruang NOC Metrasat Bogor.
2 Data yang digunakan adalah paket jaringan yang diperoleh menggunakan aplikasi Wireshark.
3 Identifikasi pengguna dilakukan berdasarkan alamat IP.
4 Clustering menggunakan k-means dilakukan berdasarkan pada sesi koneksi. 5 Perancangan kebijakan dilakukan berdasarkan hasil analisis clustering. 6 Evaluasi kinerja karyawan berdasarkan hasil analisis clustering.
METODE
Penelitian ini dilakukan melalui beberapa tahapan proses. Pada Gambar 1 menunjukkan tahapan yang dilakukan dalam penelitian ini.
3
Analisis Lingkungan Jaringan
Untuk dapat memperoleh kinerja jaringan yang representatif, maka diperlukan pengetahuan mengenai lingkungan jaringan ruang NOC Metrasat Bogor. Pengetahuan yang diperlukan meliputi:
1 Topologi jaringan dan perangkat keras yang menyusun jaringan tersebut. 2 Perangkat lunak yang digunakan oleh pengguna.
3 Konektivitas jaringan yang meliputi teknologi jaringan yang digunakan dan segmen-segmen LAN.
Hal ini penting karena dapat digunakan sebagai dasar analisis paket jaringan, identifikasi segmen alamat IP, dan penempatan perangkat yang dijadikan tolak ukur (measurement meter).
Pengkarakterisasian Beban Kerja
Menurut Menasce dan Almeida (2002) pengkarakterisasian beban kerja adalah suatu proses yang secara rinci mendeskripsikan beban kerja dari suatu sistem secara keseluruhan. Beban kerja ini selanjutnya dapat didekomposisi menjadi komponen-komponen kerja yang lebih kecil.
Karateristik beban kerja dibagi menjadi:
1 Parameter intensitas beban kerja yang menyediakan suatu pengukuran beban kerja pada sistem.
2 Parameter permintaan service pada beban kerja yaitu menspesifikasikan total waktu service yang dibutuhkan oleh komponen utama pada masing-masing sumber daya.
Pengamatan dan Pengambilan Paket Jaringan
Pada tahap ini dilakukan pengamatan selama satu minggu dengan lama satu jam setiap harinya pada jaringan ruang NOC untuk menentukan kapan waktu pada
jaringan tersebut mengalami busy hour. Berdasarkan dokumen ITU-T E.600, busy
hour adalah suatu waktu yang berkelanjutan selama satu jam penuh dalam interval
yang memiliki jumlah paket jaringan paling besar.
Penentuan busy hour didapatkan dengan metode average daily peak hour
(ADPH). ADPH adalah metode pengukuran paket jaringan yang menentukan jam
tersibuk yang berbeda-beda untuk setiap harinya (different time for different days),
lalu dirata-ratakan selama periode pengamatan. Untuk menentukan busy hour dapat
menggunakan Persamaan 1 (ITU-T E.600),
∝ADPH= N1 ∑max∆∝n(∆)
N
n=1
(1)
Keterangan:
- ∝ADPHadalah rata-rata jam tersibuk tiap harinya.
- N adalah jumlah hari selama pengamatan dilakukan (contoh N=30)
- ∝� ∆ adalah jumlah rata-rata paket jaringan yang diukur selama selang satu jam pada hari ke-n.
4
Pengambilan paket jaringan selama satu bulan dilakukan pada hari kerja, karena saat hari kerja jumlah paket data yang digunakan paling besar. Pengambilan
paket jaringan tersebut dilakukan menggunakan switched port analyzer (SPAN),
aliran data jaringan pada perangkat Cisco Catalyst akan disalin ke komputer yang
sudah dipasang aplikasi network analyzer. SPAN digunakan untuk menyalin paket
jaringan yang mengalir dari suatu port ke port yang lain (Cisco Systems 2003).
Pada Gambar 2 menunjukkan seluruh paket jaringan pada port 4 (sumber)
di-mirror ke port 8 (tujuan). Sebuah network analyzer pada port 8 menerima semua
paket jaringan dari port 4 tanpa secara fisik terpasang pada port 8.
Gambar 2 Cisco SPAN (Cisco Systems 2003)
Aplikasi network analyzer yang digunakan pada penelitian ini adalah
Wireshark. Wireshark merupakan aplikasi penganalisis paket jaringan (network
packet analyzer) yang dapat mengambil paket jaringan dan melihat serinci mungkin
paket jaringan tersebut (Lamping et al. 2014).
Pengolahan Paket Jaringan
Praproses
Sebelum paket jaringan dapat digunakan sebagai masukan untuk algoritme
data mining, terlebih dahulu dilakukan proposes. Praposes dilakuakan untuk membersihkan data yang tidak diperlukan dan membuat data tersebut siap
digunakan pada algoritme data mining. Praposes yang dilakukan terdiri atas
beberapa tahapan:
1 Penentukan protokol aplikasi: tahap ini dilakukan penentuan protokol-protokol aplikasi yang digunakan pada jaringan ruang NOC Bogor. Protokol aplikasi dipilih merupakan protokol aplikasi yang menunjang kinerja operasional Metrasat.
2 Pembersihan data: tahap ini dilakukan pembersihan data memanfaatkan fitur filtering dari Wireshark, kriteria filtering sendiri diambil dari protokol-protokol yang didapatkan dari tahapan sebelumnya. Khusus aplikasi web yang menggunakan protokol HTTP, kriteria pembersihan datanya berdasarkan pada Lampiran 1. String kriteria filtering pada Wireshark dapat dilihat pada Lampiran 2.
3 Kategorisasi protokol aplikasi: tahap ini dilakukan kategorisasi terhadap protokol aplikasi yang ditentukan pada tahap sebelumnya, pengkategorisasi protokol didapatkan dari keterkaitan fungsi antar protokol.
5 5 Parsing paket jaringan: tahap ini dilakukan parsing paket jaringan hasil filtering pada tahap 2. Paket-paket jaringan tersebut dirubah menjadi sesi koneksi. Suatu paket dianggap sama sesinya dengan paket lain apabila jarak waktu antar paket tersebut kurang dari 10 menit (Chitraa dan Thamani 2012). Sesi koneksi aplikasi monitoring (SNMP) berdurasi antara 10 menit sampai dengan 20 menit, dan untuk sesi koneksi aplikasi lainnya berdurasi antara 5 sampai dengan 15 menit. Hasil yang diperoleh dari parsing ini adalah fail CSV yang berisi kategori pengguna dan kategori protokol aplikasi.
Setelah tahapan praproes selesai maka akan diperoleh sebuah fail yang berisi sesi-sesi koneksi pada seluruh pengambilan data. Format dari fail hasil praproses adalah kategori pengguna dan kategori protokol aplikasi.
Data mining
Tahapan selanjutnya adalah menerapkan data yang diperoleh pada tahapan
sebelumnya pada algoritme clustering k-means. Clustering dengan algoritme
k-means dilakukan memanfaatkan perangkat lunak Weka 3.6. Algoritme k-k-means adalah sebagai berikut (Han dan Kamber 2006):
1 Tentukan jumlah cluster yang diinginkan (jumlah k) beserta dengan titik pusat cluster (centroid)
2 Lakukan perulangan (3-4):
3 Masukan objek ke cluster dengan centroid terdekat.
4 Perbaharui nilai centroid setiap cluster berdasarkan rata-rata setiap objek pada cluster tersebut.
5 Lakukan sampai tidak ada perubahan
Perhitungan jarak antara objek dan titik pusat cluster untuk data non-numerik dapat menggunakan Hamming distance dan Levenshtein distance. Hamming distance mengukur jarak antara dua string yang ukurannya sama dengan
membandingkan simbol-simbol yang terdapat pada kedua string pada posisi yang
sama. Levenshtein distance mengukur jarak antara dua string yang ukurannya tidak
sama dengan menghitung jumlah pengoperasian yang perlu dilakukan untuk
mengubah string yang satu menjadi string yang kedua yang diperbandingkan.
Pengoperasian yang dilakukan termasuk operasi insert, delete, dan substitusi
Analisis Paket Jaringan
Pada tahapan ini dilakukan analisis terhadap setiap cluster yang didapat pada
tahapan sebelumnya. Analisis ini dilakukan untuk melihat karakteristik cluster.
Cluster akan dikelompokkan sesuai dengan kategori protokol aplikasi yang digunakan. Hasil analisis ini dijadikan sebagai dasar dalam menentukan
rekomendasi kebijakan manajemen bandwidth dan bahan evaluasi kinerja
karyawan.
Perancangan Manajemen Bandwidth
Pada tahapan ini dilakukan perancangan kebijakan manajemen bandwidth
dengan menggunakan algoritme hierarchical token bucket (HTB). HTB
direpresentasikan dalam bentuk hirarki (Brown 2006). Hirarki HTB terdiri atas root,
inner class, dan leaf. Pembatasan traffic (shaping) terjadi pada leaf class,
6
Pembagian bandwidth pada leaf class menggunakan Persamaan 2 (Pariwono 2014).
persentase claster n
∑persentase interior dari claster n × alokasi bandwidth interior class (2)
Evaluasi Kinerja Karyawan
Pada tahapan ini dilakukan evaluasi terhadap kinerja karyawan dengan berdasar pada tugas pokok dan fungsi karyawan yang terdapat pada pengkarakterisasian beban kerja. Pada setiap cluster hasil dari proses data mining akan dievaluasi apakah sudah sesuai dari tugas pokoknya. Selain karyawan, evaluasi juga dilakukan kepada monitoringtools yang berfungsi untuk memantau jaringan Metrasat secara keseluruhan.
HASIL DAN PEMBAHASAN
Analisis Lingkungan Jaringan
Data dokumentasi infrastruktur jaringan Metrasat Bogor didapatkan dari staf IT jaringan Metrasat Bogor, data tersebut digunakan untuk membantu memahami paket jaringan yang diperoleh. Pada Gambar 3 memperlihatkan topologi dari jaringan Metrasat.
Gambar 3 Topologi jaringan Metrasat
Jenis jaringan pada ruang NOC terdiri atas wired dan wireless. Pada jaringan
7
karyawan dan 7 buah PC monitoring dengan 17 layar yang dihidupkan terus
menerus sebagai pemantau jaringan. Pada jaringan wireless disediakan 2 SSID
yaitu RUANGNOC untuk para karyawan dan TAMU untuk para tamu.
Daftar perangkat lunak yang digunakan pada laptop karyawan, PC client, dan
PC monitoring di ruang NOC dapat dilihat pada Tabel 1 dan untuk pengalamatan IP dapat dilihat pada Tabel 2.
Tabel 1 Perangkat lunak di ruang NOC
Jenis Nama
Sistem Operasi Windows 7, Windows 8, Windows Server, CentOS
Web Browser Internet Explorer, Google Chrome, Mozilla Firefox
Messanging Yahoo Messanger, LINE
Email Mozilla Thunderbird, Ms Outlook
Montoring SNMP Traffic Grapher (STG), PRTG Network Monitor
Tabel 2 Pengalamatan IP
Alamat IP Jenis perangkat
10.80.253.0/24 Server dan PC monitoring
10.99.226.0/24 PC client dan laptop karyawan yang menggunakan Wifi
RUANGNOC
10.95.225.0/24 Laptop karyawan yang menggunakan Wifi TAMU
Lingkungan Pengembangan
Penelitian ini diimplementasikan menggunakan spesifikasi perangkat keras dan perangkat lunak yang dapat dilihat pada Tabel 3.
Tabel 3 Lingkungan pengembangan Perangkat keras laptop Perangkat lunak
- Prosesor Intel Core i3 - RAM 8 GB
Pengkarakteristikan beban kerja pada penelitian ini meliputi: 1 Komposisi protokol jaringan yang digunakan.
2 Algoritme data mining menggunakan teknik clustering pada penggunaan jaringan berdasarkan sesi koneksi.
3 Pemodelan rancangan manajemen bandwidth yang berdasarkan hasil dari algoritme data mining.
8
Pengamatan dan Pengambilan Paket Jaringan
Pada tahapan ini diketahui bahwa terdapat jaringan ruang NOC terhubung
dengan jaringan internal Metrasat menggunakan sebuah router. Pada sisi jaringan
ruang NOC, router tersebut terhubung dengan switch Catalyst Cisco. Pada Gambar
4, port 1 pada switch ruang NOC terhubung dengan router ruang NOC. Pada port
1 ditanamkan konfigurasi SPAN agar setiap paket data yang mengalir pada port
tersebut disalin ke port 15 yang sudah disambungkan ke PC dan terpasang aplikasi
Wireshark untuk meng-capture setiap paket jaringan.
Gambar 4 Penempatan sniffer pada switch
Dilakukan pengamatan pada satu minggu (5 hari kerja) sebelum pengambilan paket jaringan. Dengan menggunakan metode ADPH didapatkan selang waktu untuk pengambilan paket jaringan yaitu pada jam 10:00-11:00. Grafik lalu lintas paket jaringan hasil pengamatan dapat dilihat pada Lampiran 3.
Pada tanggal 7 November 2014 sampai 15 Desember 2014, dilakukan pengambilan paket jaringan sebanyak 24 kali yang disimpan pada fail Wireshark yang berformat .pcapng. Langkah-langkah pengambilan paket jaringan menggunakan Wireshark dapat dilihat pada Lampiran 4. Pengambilan paket jaringan hanya diambil antara hari senin sampai jumat karena kegiatan operasional paling sibuk pada hari-hari tersebut. Pada Lampiran 5 memperlihatkan hasil pengambilan paket jaringan.
Pengolahan Paket Jaringan
Praproses
1 Penentuan protokol aplikasi: sesuai fungsi dari ruang NOC, maka protokol aplikasi yang digunakan ditunjukkan pada Tabel 4.
Tabel 4 Protokol aplikasi yang digunakan
Fungsi Protokol aplikasi
Pusat monitoring HTTP, HTTPS, DNS, SNMP
Pemeliharaan jaringan HTTP, HTTPS, DNS, Telnet, FTP, SSH, VNC, RPC, DCERPC, YMSG
Komunikasi dengan pelanggan HTTPS, DNS, POP, SMTP, YMSG
comma-9 separated values (CSV). Pada Lampiran 6 memperlihatkan hasil filtering menggunakan Wireshark.
3 Penentuan kategori protokol aplikasi: protokol-protokol aplikasi hasil dari filtering kemudian dikelompokan ke dalam kategori yang saling berkaitan fungsinya. Pengelompokan kategori protokol aplikasinya dapat dilihat pada Tabel 5.
Tabel 5 Kategori protokol aplikasi Kategori aplikasi Protokol aplikasi
Web HTTP, DNS
4 Penentuan kategori pengguna: sesuai dengan dokumentasi jaringan pada ruang NOC, pengalamatan IP terbagi 3 alamat IP. Kategori pengguna yang berdasarkan pada 3 alamat IP tersebut dapat dilihat pada Tabel 6.
Tabel 6 Kategori pengguna
Kategori pengguna Alamat IP
Operational monitoring (OM) 10.80.253.0/24
Operational divison (OD) 10.99.226.0/24
Mobile user (MU) 10.95.225.0/24
5 Parsing paket jaringan: seluruh fail CSV hasil dari tahap 2 di-parsing dengan mengimplementasikan ketegori protokol aplikasi dari tahap 3 dan kategori pengguna dari tahap 4 menggunakan PHP untuk menentukan sesi koneksi tiap pengguna.
Hasil dari praposes adalah sebuah fail CSV yang berisikan ketegori pengguna dan kategori protokol aplikasi per sesi koneksi. Fail CSV tersebut berukuran 1.29 MB dengan jumlah baris sebanyak 48 078.
Data Mining
Pada tahapan data mining dilakukan clustering memanfaatkan aplikasi Weka
dengan fail CSV hasil pra proses sebagai data masukkanannya. Algoritme
clustering yang digunakan adalah simple k-means dengan distance function
menggunakan Euclidean distance untuk data numerik dan Hamming distance untuk
data kategorik (Dong dan Bailey 2013). Penentuan jumlah cluster dilakukan dengan
memperhatikan nilai sum of squared error (SSE). Hasil yang ideal adalah dengan
jumlah k yang sekecil mungkin didapatkan SSE yang sekecil mungkin. Semakin
kecil nilai k maka cluster yang dianalisis akan semakin sedikit, sedangkan nilai SSE
menandakan kedekatan setiap objek ke centroid pada cluster masing-masing.
Semakin kecil nilai SSE maka semakin mirip setiap objek pada cluster tersebut.
Langkah-langkah data mining clustering menggunakan algoritme k-means
10
Perbandingan jumlah k dengan nilai SSE ditunjukan pada Gambar 5.
Gambar 5 Sum of squared error
Anggota dari setiap cluster ditunjukan pada Tabel 7. Pada algoritme k-means
nilai centroid merupakan nilai rata-rata dari setiap cluster.
Tabel 7 Anggota cluster
Cluster Kategori pengguna Kategori aplikasi 0 Operational divison Web
1 Operational divison Web secure 2 Mobile user Web secure, mail 3 Operational divison Messaging 4 Operational monitoring Web 5 Operational divison Monitoring 6 Operational monitoring Monitoring 7 Operational divison Remote access
8 Mobile user Web
9 Mobile user Messaging 10 Operational monitoring Web secure 11 Operational monitoring Remote access 12 Mobile user Monitoring 13 Mobile user Remote access 14 Operational divison Mail
Analisis Paket Jaringan
Hasil dari proses data mining menggunakan teknik clustering algoritme
k-means menunjukkan untuk penggunaan aplikasi web paling banyak pada cluster 0
sebesar 13 976 sesi koneksi pada pengguna operational division. Jumlah
penggunaannya jauh melebihi kategori pengguna lainnya pada cluster 4 dan cluster
8. Hal ini terjadi karena kebanyakan tools yang berbasis protokol HTTP digunakan
sebagai aktifitas bekerja oleh operational division. Gambar 6 menunjukkan
penggunaan aplikasi web.
11
Gambar 6 Penggunaan aplikasi web
Pada penggunaan aplikasi websecure, jumlah pengguna paling banyak pada
cluster 1 yaitu operational division dibandingan kategori pengguna lainnya pada
cluster 2 dan cluster 10. Jumlah sesi koneksi yang terdapat pada cluster 10 sedikit
sekali, hanya sebanyak 215 sesi koneksi. Hal ini menunjukkan operational
monitoring yang terdapat pada cluster 10 kurang menggunakan aplikasi ini.
Aplikasi websecure ini biasa digunakan untuk email yang berbasis HTTPS ataupun
media sosial sebagai hiburan saat waktu luang oleh para karyawan. Gambar 7
menunjukkan penggunaan aplikasi websecure.
Gambar 7 Penggunaan aplikasi web secure
Penggunaan aplikasi Monitoring yang paling banyak pada cluster 6 yaitu
ketegori pengguna operational monitoring sebanyak 578 sesi koneksi dan cluster 5
oleh operational division sebanyak 224 sesi konaksi. Hal ini menunjukkan
pengguna operationalmonitoring menjalanan fungsinya dengan baik dan karyawan
juga melakukan aktifitas monitoring pada jaringan. Kategori pengguna mobile user
yang terdapat pada cluster 12 juga menggunakan aplikasi ini untuk me-monitori
perangkat mereka yang berada di luar jaringan Metrasat. Gambar 8 menunjukkan
penggunaan aplikasi monitoring.
Gambar 8 Penggunaan aplikasi monitoring
Pada penggunaan aplikasi mail yang paling banyak pada cluster 14 yaitu
12
user hanya menunjukkan nilai 9 sesi koneksi. Hal ini tidak bisa menunjukkan
bahwa penggunaan aplikasi mail pada pengguna operational division lebih besar
pada mobile user karena aktifitas penggunaan email juga bisa dilakukan dengan
aplikasi berbasis web. Gambar 9 menunjukkan penggunaan aplikasi mail.
Gambar 9 Penggunaan aplikasi mail
Pada penggunaan aplikasi remote access yang paling banyak pada cluster 7
yaitu operational division sebesar 499 sesi koneksi. Hal ini menunjukkan bahwa
operational division menjalankan tugasnya dengan baik yaitu memelihara jaringan.
Selain operational division yang menggunakan aplikasi remoteaccess, mobileuser
yang terdapat pada cluster 13 juga menggunakan aplikasi ini untuk me-remote
perangkat mereka yang berada di luar jaringan Metrasat, walaupun jumlahnya hanya sedikit yaitu 66 sesi koneksi. Gambar 10 menunjukkan penggunaan aplikasi
remote access.
Gambar 10 Penggunaan aplikasi remote access
Pada penggunaan aplikasi messaging paling banyak pada cluster 3 yaitu
operational division sebesar 1730 sesi koneksi. Hal ini terjadi karena aplikasi ini digunakan setiap hari untuk berkomunikasi dengan pelanggan juga dengan sesama
karyawam. Jumlah sesi koneksi pada cluster 9 yaitu mobile user cukup banyak yaitu
sebesar 280 sesi koneksi, hal ini menunjukkan bahwa mobile user juga
menggunakan aplikasi ini. Namun, operational monitoring tidak menggunakan
aplikasi ini, karena PC pada operational monitoring tidak digunakan oleh karyawan.
Gambar 11 menunjukkan penggunaan aplikasi messaging.
Gambar 11 Penggunaan aplikasi messaging
13
Perancangan Manajemen Bandwidth
Perancangan manajemen bandwidth menggunakan model hirarki HTB pada
paket jaringan ditunjukan pada Gambar 12. Berdasarkan jumlah sesi koneksi tiap
kategori pengguna dari seluruh cluster maka perancangan ini dibagi dalam 3 kelas
interior. Kelas A berisi dari pengguna kategori operational division yang jumlah
sesi koneksinya lebih paling banyak yaitu 33 306. Kelas B berisi dari pengguna
kategori mobile user yang jumlah sesi koneksinya 11 716. Kelas C berisi dari
pengguna operational monitoring yang jumlah sesi koneksinya 3 042. Alokasi
bandwidth untuk kelas A sebesar 55%, kelas B sebesar 30%, dan kelas C sebesar 15%. Penentuan besarnya alokasi ditentukan dari jumlah sesi koneksi dan kebijakan
dari Metrasat. Pembagian bandwidth pada leaf class dilakukan berdasarkan pada
persentase dari jumlah sesi koneksi setiap cluster yang ditunjukan pada Tabel 8
dengan Persamaan 2.
Tabel 8 Jumlah koneksi seluruh cluster
Cluster Kategori pengguna Kategori aplikasi Jumlah sesi Persentase 0 Operational divison Web 13976 29.07
1 Operational divison Web secure 16851 35.05
2 Mobile user Web secure, mail 7436 15.47
3 Operational divison Messaging 1730 3.60
4 Operational monitoring Web 2106 4.38
5 Operational divison Monitoring 224 0.46
6 Operational monitoring Monitoring 578 1.20
7 Operational divison Remote access 499 1.04
8 Mobile user Web 3772 7.85
9 Mobile user Messaging 279 0.58
10 Operational monitoring Web secure 215 0.45
11 Operational monitoring Remote access 174 0.30
12 Mobile user Monitoring 168 0.35
13 Mobile user Remote access 66 0.14
14 Operational divison Mail 29 0.06
14
Evaluasi Kinerja Karyawan
Hasil dari tahap analisis paket jaringan menunjukkan karakterstik dari pengguna. Pada pengguna karyawan yang terdapat pada kategori pengguna operational division menjalankan tugas pokok dengan fungsinya dengan baik, hal ini terlihat dari penggunaan aplikasi web, mail, remote access, dan messaging menunjukkan nilai penggunaan yang tinggi dibandingkan dengan pengguna kategori lainnya. Hasil yang baik juga terlihat pada penggunaan aplikasi monitoring yang menunjukkan kategori pengguna operational monitoring menjalankan tugas pokok dan fungsinya dengan baik. Dalam hal ini PC monitoring digunakan sebagai tools oleh para karyanan untuk memantau jaringan Metrasat. Pada kategori mobile user pemakaian bandwidth lebih besar dibandingkan operational monitoring, hal ini terlihat dari penggunaan aplikasi web, web secure, mail, dan messaging yang cukup besar.
SIMPULAN DAN SARAN
Simpulan
Pada penelitian ini telah dilakukan clustering terhadap paket jaringan. Hasil clustering menunjukkan bahwa karakteristik pengguna dari setiap kategori pengguna sesuai dengan tugas pokoknya masing–masing. Kategori pengguna operational division menunjukkan nilai penggunaan aplikasi web, mail, remote access, dan messaging yang tinggi. Kategori pengguna operational monitoring menunjukkan nilai penggunaan aplikasi monitoring yang tinggi. Hal ini dapat dijadikan dasar evaluasi bahwa kinerja karyawan Metrasat sudah tepat dan optimal sesuai dengan tugas pokoknya. Berdasarkan hasil clustering maka telah dibuat perancangan model pembagian bandwidth dibagi menjadi 3 kelas yaitu, Kelas A untuk operational division sebesar 55%, Kelas B untuk mobile user sebesar 30%, dan Kelas C untuk operational monitoring sebesar 15%. Perancangan ini akan diterapkan pada router NOC.
Saran
15
DAFTAR PUSTAKA
Brown MA. 2006. Traffic control howto [internet]. [diunduh 2015 Mei 20]. Tersedia pada: http://linux-ip.net/articles/Traffic-Control-HOWTO/.
Chitraa V, Thanamani AS. 2012. An enhanced clustering technique for web usage mining. IJERT. 1(4):1-5.
Cisco Systems. 2003. Catalyst 2940 switch software configuration guide [internet]. [diunduh 2015 Mei 20]. Tersedia pada: http://www.cisco.com/c/ en/us/td/docs/switches/lan/catalyst2940/software/release/12-1_19_ea1/ configuration/guide/2940scg_1/swspan.html
Dong G, Bailey J. 2013. Contrast Data Mining: Concepts, Algorithms, and Applications. Florida (US): CRC Press.
Han J, Kamber M. 2011. Data Mining: Concept and Techiques. Edisi kedua. San Diego (US): Morgan-Kauffman.
Lamping U, Sharpe R, Warnicke E. 2014. Wireshark user’s guide for wireshark 1.99 [internet]. [diunduh 2015 Mei 20]. Tersedia pada: https://www. wireshark.org/docs/wsug_html_chunked.
Menasce D, Almeida V. 2002. Capacity Planning for Web Service. New Jersey (US): Prentice Hall.
Metrasat. 2015. Milestone of Metrasat [internet]. [diunduh 2015 Agu 20]. Tersedia pada: http://metrasat.co.id/id/aboutus/milestone/.
Pariwono EG. 2014. Web log mining menggunakan k-means pada server proxy untuk perancangan manajemen bandwidth IPB [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Sathiyamoorthi V, Bashkaran M. 2011. Data preprocessing techiques for pre-fetching and caching web data through proxy server. IJCSN. 11(11):92-98. Sianipar H. 2012. Analisis penggunaan layanan jaringan internet IPB [skripsi].
17
LAMPIRAN
Lampiran 1 Kriteria HTTP Field Kriteria
URL akhiran .gif, .jpeg, jpg .css, .png, .js, iklan, malware, tracking cookie
Type image/gif, text/javascript, application/xml, image/png, text/css, image/jpeg, text/xml, application/x-shockwave-flash, application/javascript/, application/pdf, application/x-gzip, text/chat, application/zip, audio/mpeg, application/msword, application/x-rpm, application/vnd.ms-powerpoint, application/x-tar, application/x-cap, application/xml-dtd, application/ocsp-request, application/ocsp-response
Method selain GET dan POST
HTTPCode selain kode HTTP 2xx (success)
Lampiran 2 Kriteria filter pada Wireshark
18
Lampiran 3 Lalu lintas paket jaringan
19 Lampiran 4 Pengambilan paket jaringan menggunakan Wireshark
a Buka aplikasi Wireshark.
b Pada menu Capture, pilih Interface, pilih Network Connection yg akan di-capture, lalu klik Start
c Berikut tampilan saat proses capturing sedang dilakukan
20
21 Lampiran 6 Hasil filtering
Pengambilan ke-
22
Lampiran 7 Clustering menggunakan WEKA a.Buka aplikasi WEKA, lalu klik Explorer
b.Untuk memasukan fail CSV, klik Open File, ubah File of type menjadi CSV data files (*.csv), pilih fail yang akan dimasukan lalu klik Open.
23 Lampiran 7 lanjutan
24
