KLASIFIKASI TRAFIK INTERNET IPB BERDASARKAN PORT NUMBER WILHAM IDRIS

KLASIFIKASI TRAFIK INTERNET IPB

BERDASARKAN PORT NUMBER

WILHAM IDRIS

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

BOGOR 2016

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Klasifikasi Trafik Internet IPB Berdasarkan Port Number adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun 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.

Bogor, Agustus 2016

Wilham Idris

ABSTRAK

WILHAM IDRIS. Klasifikasi Trafik Internet IPB Berdasarkan Port Number. Dibimbing oleh HERU SUKOCO.

Institut Pertanian Bogor terus melakukan peningkatan dalam pelayanan jaringan internet, salah satunya meningkatkan kapasitas bandwidth. Tujuannya adalah membantu civitas IPB dalam melakukan kegiatan belajar dan akademis. Atas dasar masalah tersebut, maka perlu dikaji ulang untuk mengetahui pemanfaatan jaringan internet IPB dan mengetahui katakteristik pengguna layanan internet. Penentuan pengambilan data penelitian dilakukan dengan metode yang berdasarkan pada ketentuan ITU-TE.500. Pengambilan data penelitian dilakukan dengan metode sniffing pada Cisco SPAN. Data yang dianalisis merupakan raw

data yang melewati router terluar dengan menggunakan metode klasifikasi port number. Hasil penelitian ini, adalah beban puncak pada jaringan internet IPB terjadi

pada pukul 14.00 sampai 15.00. Berdasarkan hasil analisa, penggunaan layanan internet yang paling banyak diakses merupakan kategori web sebanyak 82% dengan total data sebesar 700 GB sedangkan yang paling sedikit diakses merupakan kategori bulk sebanyak 0.001% dengan total data sebesar 2.5 MB. Dari kategori

web sebesar 82% masih ada kemungkinan civitas IPB menggunakan layanan

jaringan internet untuk keperluan akademik dan riset.

Kata kunci: Cisco SPAN, ITU-T E.500, jam sibuk, klasifikasi, port number.

ABSTRACT

WILHAM IDRIS. IPB Internet Traffic Classification Based on Port Number. Supervised by HERU SUKOCO.

Bogor Agricultural University has been improving its internet network service, by increasing the bandwidth capacity. This will support learning and academic activity. Based on the statement above, it needs to re-examine the benefit of the internet network and to understand the characteristic of internet service users. The research data was collected by a method based on ITU-TE.500. The sniffing method of Cisco SPAN was used to collect the data. The analyzed data was raw data which were through the border router and used the port number classification method. The result was the peak load on the internet network of IPB happened at 14.00 until 15.00. Based on the analyzed traffic data, the biggest using of internet’s service are access to the web category, they are about 82% with 700 GB of data. In the other hand, access to the bulk category are the smallest, they are about 0.001% with 2.5 MB of data. Under those circumstances, IPB internet users still have 82% possibilities to use the internet’s service connection from web category for academic and research activities.

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Komputer

pada

Departemen Ilmu Komputer

KLASIFIKASI TRAFIK INTERNET IPB

BERDASARKAN PORT NUMBER

WILHAM IDRIS

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

BOGOR 2016

Penguji:

1 Dr Ir Sri Wahjuni, MT

PRAKATA

Puji syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Shalawat serta salam penulis sampaikan kepada Nabi Muhammad shalallahu ‘alaihi wassalam. Klasifikasi Trafik Internet IPB Berdasarkan Port Number ini tidak lepas dari bantuan berbagai pihak. Oleh karena itu, penulis menyampaikan ucapan terima kasih kepada:

1 Kedua orang tua tercinta, beserta keluarga yang selalu memberikan do’a dan dukungan moral.

2 Bapak DrEng Heru Sukoco, SSi MT selaku pembimbing yang selalu sabar dalam memberikan ilmu dan bimbingan selama penyelesaian tugas akhir ini. 3 Teman-teman Departemen Ilmu Komputer 47 yang selalu memberi semangat

dalam pelaksanaan penelitian ini

4 Staf pengajar dan staf tata usaha Departemen Ilmu Komputer yang telah banyak membantu baik selama masa perkuliahan maupun pada saat penelitian.

5 Semua pihak yang telah banyak memberikan kontribusi yang besar dalam penyelesaian tugas akhir yang tidak dapat disebutkan satu persatu.

Semoga segala bantuan, bimbingan, motivasi dan kebaikan-kebaikan yang telah diberikan kepada penulis akan dihadiahi kebaikan pula oleh Allah subhanahu

wa ta’ala.

Akhirnya semoga penulisan karya ilmiah ini bermanfaat dan dapat menambah wawasan kita semua.

Bogor, Agustus 2016

DAFTAR ISI

DAFTAR TABEL vi DAFTAR GAMBAR vi PENDAHULUAN 1 Latar Belakang 1 Perumusan Masalah 1 Tujuan Penelitian 1 Manfaat Penelitian 2

Ruang Lingkup Penelitian 2

TINJAUAN PUSTAKA 2

Rekomendasi ITU.TE500 2

Teknologi Cisco SPAN 2

Wireshark 3

Port Number 3

METODE 4

Analisis Lingkungan Jaringan IPB 4

Penentuan Pengambilan Data 5

Akuisisi Data 5

Praproses 5

Analisis Data 5

Peralatan Penelitian 5

HASIL DAN PEMBAHASAN 6

Analisis Lingkungan Jaringan IPB 6

Penentuan Pengambilan Data 6

Akuisisi Data 7

Praproses Data 8

Analisis Data 9

SIMPULAN DAN SARAN 15

Simpulan 15

Saran 15

DAFTAR PUSTAKA 16

DAFTAR TABEL

1 Jenis port number (Schneider 1996) 4

2 Kategori trafik berdasarkan aplikasi 9

3 Kategori mail 10 4 Kategori services 10 5 Kategori interactive 11 6 Kategori bulk 11 7 Kategori web 11 8 Kategori P2P 12 9 Kategori multimedia 12 10 Kategori games 13 11 Kategori messenger 14

DAFTAR GAMBAR

1 SPAN pada switch Cisco (Cisco 2014) 3

2 Tahapan penelitian 4

3 Topologi jaringan IPB (sumber IPB 2014) 6

4 Rata-rata trafik Desember 2014 sampai Januari 2015 7

5 Skenario akuisisi data 8

PENDAHULUAN

Latar Belakang

Layanan internet merupakan salah satu fasilitas yang diberikan IPB kepada mahasiswa mereka, sehingga dengan bertambahnya jumlah mahasiswa tiap tahun maka peningkatan layanan internet IPB terus dilakukan dari tahun ke tahun, salah satunya peningkatan yang dilakukan adalah meningkatkan kapasitas bandwitdh. Tujuan IPB memberikan layanan internet supaya membantu civitas akademika dalam melakukan kegiatan belajar atau akademis.

Penelitian yang terkait dengan penggunaan internet IPB telah dilakukan sebelumnya. Dalam penelitian Sianipar (2012) dilakukan analisis pada data sniffing yang berisis seluruh aktivitas jaringan IPB. Dari hasil penelitian tersebut diperoleh kesimpulan bahwa layanan internet yang sering digunakan oleh pengguna internet IPB adalah layanan web dengan persentase banyaknya trafik sebesar 87.41% dari seluruh protokol aplikasi yang diamati, dan layanan untuk transfer file antara client dengan server serta layanan email yang menggunakan client kurang popular di lingkungan IPB. Penggunaan layanan internet yang berkaitan dengan proses pendidikan sebesar 8.15%. Pariwono (2014) melakukan analisis data log pada server proxy yang berisi seluruh aktivitas jaringan IPB. Dari hasil penelitian tersebut diperoleh kesimpulan bahwa situs berkategori entertainment dan services mendominasi di kalangan civitas akademika dengan total rata-rata persentase di atas 24% dan 33%. Sedangkan situs berkategori education sangat jarang diakses oleh civitas akademika dengan total rata-rata persentase di bawah 1%. Informasi ini didapat dengan melakukan clustering pada log proxy.

Jika pada penelitian sebelumnya dilakukan analisis pada data log proxy yang hanya berisikan aktivitas web, maka pada penelitian ini akan dilakukan analisis pada data trafik jaringan router terluar yang berisi semua jenis trafik aktivitas penggunaan internet IPB. Analisis menggunakan klasifikasi berdasarkan port

number yang terdapat pada informasi data trafik. Hasil analisis klasifikasi akan

digunakan untuk mengetahui karakteristik pengguna jaringan internet di IPB.

Perumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, dapat dilakukan perumusan masalah dalam penelitian ini sebagai berikut:

1 Bagaimana trafik data pada jaringan internet IPB?

2 Bagaimana karakteristik dari pengguna layanan internet di kampus IPB? 3 Bagaimana pemanfaatan layanan internet di kampus IPB?

Tujuan Penelitian

Tujuan dari penelitian ini adalah:

1 Untuk mengambil dan memproses data pengguna yang akses internet IPB. 2 Melakukan klasifikasi berbasiskan port.

2

Manfaat Penelitian

Manfaat dari penelitian ini adalah:

1 Memberikan informasi terkait penggunaan internet. 2 Mengetahui pemanfaatan internet di kampus IPB.

3 Mengetahui karakteristik pengguna internet di kampus IPB.

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini yaitu:

1 Data trafik yang digunakan adalah data trafik raw jaringan internet IPB yang diambil pada segmen utama

2 Data yang diambil adalah semua request dan response yang melalui router terluar IPB.

3 Klasifikasi data yang dilakukan berbasiskan port.

TINJAUAN PUSTAKA

Rekomendasi ITU.TE500

ITU Telecommunication Standardization Sector (ITU-T) adalah bagian permanen dari ITU. ITU-T bertanggungjawab dalam pembelajaran terhadap masalah teknis, pengoperasian dan issuing recommendation di dalamnya. Tujuan yang ingin dicapai adalah untuk melakukan standarisasi telekmunikasi di seluruh dunia (ITU 1998).

Rekomendasi ITU-TE500 menjelaskan tentang konsep dan metodologi pengukuran intensitas trafik. Rekomendasi ini memberikan prinsip-prinsip untuk mengukur trafik dari suatu jaringan. Pengukuran trafik yang direkomendasikan ITU-TE500 pada penelitian ini adalah fixed daily measurement interval (FDMI). FDMI adalah metode pengukuran trafik suatu jaringan dimana selang waktu yang ditentukan pada saat beban kerja tertinggi dapat diidentifikasi dan selama selang waktu tersebut pengukuran intensitas trafik dapat dilakukan.

Teknologi Cisco SPAN

Fitur switched port analyzer (SPAN) disebut juga port mirroring atau pemantauan port, memilih lalu lintas jaringan untuk dianalisis oleh analyzer. Port

mirroring biasanya digunakan pada jaringan switch untuk men-copy atau menyalin

semua paket data yang melewati salah satu port pada switch. SPAN adalah fitur relatif dasar pada switch Cisco Catalyst, namun rilis terbaru dari OS Catalyst (CatOS) memperkenalkan perangkat tambahan yang besar dan kemungkinan-kemungkinan baru yang sekarang tersedia bagi pengguna. Fitur SPAN diperkenalkan pada switch. Switch memerlukan fitur tambahan untuk membuat salinan semua jenis paket dari host A ke port sniffer. Dalam Gambar 1, sniffer terpasang ke sebuah port yang dikonfigurasi untuk menerima salinan dari setiap paket yang dikirimkan oleh host A. Port ini disebut dengan port SPAN (Cisco 2014).

3

Gambar 1 SPAN pada switch Cisco (Cisco 2014)

Wireshark

Wireshark adalah aplikasi analisis paket jaringan yang paling umum digunakan. Aplikasi ini bisa menangkap semua jenis paket jaringan dan menampilkan semua paket data secara detail. Wireshark biasanya digunakan untuk pemecahan masalah jaringan, analisis, perangkat lunak dan pengembangan komunikasi protokol serta pendidikan (Wireshark 2014). Pengukuran jaringan menggunakan Wireshark termasuk dalam pengukuran pasif.

Wireshark mampu menangkap semua paket data atau informasi yang keluar masuk dari dan ke dalam jaringan sehingga dengan mudah dianalisa. Oleh karena itu, aplikasi ini sering digunakan untuk sniffing (memperoleh informasi penting seperti username dan password email) dengan menangkap semua paket data yang mengalir melalui jaringan.

Antarmuka Wireshark dibagi menjadi 3 bagian yaitu, packet list, packet

details, dan packet bytes. Packet list merupakan kumpulan semua jenis paket yang

ditangkap oleh Wireshark. Packet list merupakan tampilan Wireshark yang bisa dipahami oleh pengguna (human readable output). Informasi yang didapat dari

packet list adalah time (waktu detail paket data ditangkap), source (alamat paket

data berasal), destination (alamat tujuan paket data), protocol (jenis protokol),

length (panjang setiap paket data), dan info (semua informasi mengenai sebuah

paket data). Packet details menampilkan informasi paket yang secara detail dari paket yang dipilih salah satu pada packet list. Packet details berisikan informasi mengenai protokol secara mendetail. Packet bytes menampilkan informasi hex

dump yang terdapat pada paket. Setiap baris berisikan bit hexadecimal dan

16-bit ASCII.

Port Number

Selama alamat IP menentukan titik akhir secara fisik pada sebuah jaringan internet, port number tetap menentukan titik akhir secara logika pada sebuah jaringan internet. Port number merupakan bilangan bulat 16-bit dengan dengan jangkauan 1-65535. Jenis port number terdiri dari empat yaitu, well-known port

4

numbers, registered port numbers, reserved port numbers dan ephemeral port numbers (Schneider 1996). Well-known port numbers merupakan subset dari nomor

yang ditetapkan untuk mendukung aplikasi dan dikelola oleh Internet Assigned Numbers Authority (IANA). Registered port numbers merupakan port yang yang digunakan oleh vendor komputer atau jaringan yang berbeda untuk mendukung aplikasi serta diketahui oleh IANA tetapi tidak terdaftar secara permanen. Reserved

port numbers merupakan port cadangan yang diproses dengan akses istimewa superuser dan dapat menentukan port secara sendiri. Ephemeral port numbers

merupakan port yang digunakan untuk koneksi yang singkat, biasanya digunakan oleh klien. Jenis lengkap dari port number dapat dilihat pada Tabel 1.

Tabel 1 Jenis port number (Schneider 1996) Nama Aplikasi Port number

Well-Known Server 1-1023 Registered Server 1024-65535 Free Server 5001-32767 Ephemeral Client 1024-5000 32768-65535 Reserved Superuser 1-1023

METODE

Analisis lingkungan jaringan IPB Penentuan pengambilan data jam sibuk

Akuisisi data

Analisis data Pengambilan

kesimpulan Praproses data

Analisis Lingkungan Jaringan IPB

Menurut Menasce dan Almeida (2002) mengenal lingkungan jaringan adalah tahapan yang terdiri dari pengetahuan tentang perangkat keras yang digunakan, perangkat lunak yang digunakan, dan teknologi yang diterapkan pada jaringan internet. Perangkat keras yang dimaksud adalah klien dan server. Perangkat lunak yang dimaksud adalah aplikasi dan sistem operasi yang digunakan pada jaringan internet. Teknologi yang diterapkan pada jaringan adalah protokol routing dan pengaturan konektifitas. Semua informasi ini diperoleh dari berbagai cara seperti wawancara dan pengamatan langsung dari teknologi yang diterapkan.

5

Penentuan Pengambilan Data

Setelah mendapatkan info tentang topologi jaringan yang akan dianalisis, langkah selanjutnya adalah menentukan jam sibuk. Jam sibuk yang dimaksud adalah periode atau waktu dalam satu hari (24 jam) dimana mempunyai nilai trafik yang tertinggi dalam jangka waktu yang lama. Dengan jam sibuk maka, didapatkan data trafik tertinggi yang akan digunakan dalam penelitian ini, sedangkan jika tidak menggunakan jam sibuk, makan pengambilan data akan dilakukan sepanjang hari atau selama 24 jam. Pada saat akan pengambilan data, IPB belum memiliki informasi mengenai jam sibuk. Oleh karena itu, pada tahap ini dilakukan analisis waktu pengambilan data. Jam sibuk ditentukan berdasarkan International Telecommunication Union (ITU) yaitu ITU-TE.500.

Akuisisi Data

Setelah mendapatkan informasi mengenai waktu pengambilan data yang akan dianalisis, langkah berikutnya adalah akuisisi data. Akuisisi data dilakukan pada jam sibuk dari router terluar. Proses ini akan dilakukan selama satu bulan. Data yang diambil merupakan raw data yang berisikan semua informasi mengenai aktivitas pada jaringan internet IPB. Setelah data diperoleh lalu diproses untuk mendapatkan informasi yang terdapat pada jaringan internet IPB.

Praproses

Langkah yang akan dilakukan dalam praproses adalah pembersihan data. Pembersihan data dilakukan karena adanya elemen pada data yang tidak dibutuhkan atau diinginkan. Pembersihan dilakukan sampai hanya menyisakan informasi IP

source, IP destination, port number, dan length. Seletah melakukan pembersihan

selanjutnya informasi port number tersebut diidentifikasi.

Analisis Data

Tahapan selanjutnya adalah analisis data. Setelah dilakukan praproses data, didapatkan informasi berupa port number. Analisis akan dilakukan dengan menggunakan klasifikasi berdasarkan informasi port number. Hasil dari klasifikasi akan diketahui profil dan karakteristik pengguna jaringan internet.

Peralatan Penelitian

Spesifikasi perangkat keras dan perangkat lunak yang digunakan untuk penelitian ini adalah sebagai berikut:

 Perangkat keras berupa notebook dengan spesifikasi sebagai berikut: • Processor Intel Core i5-4210U

• RAM 8 GB • 750 GB HDD  Perangkat lunak:

• Sistem operasi Windows 10 • Microsoft Excel 2013 • Wireshark 1.12.4

6

HASIL DAN PEMBAHASAN

Analisis Lingkungan Jaringan IPB

Berdasarkan informasi yang didapat dari situs monitoring jaringan yang digunakan, IPB menggunakan 2 internet service provider (ISP) dengan masing-masing bandwidth sebesar 650 Mbps. IPB menggunakan router Cisco ASR 1002 sebagai router border yang menjadi penghubung antara WAN dan ISP. Firewall yang digunakan pada jaringan IPB adalah Palo Alto 3020. IPB memiliki server yang digunakan untuk kebutuhan akademik. Switch core pada jaringan internet IPB dibagi menjadi 4 bagian yaitu, core rektorat, core FMIPA, core FAPET dan core Fateta. Setiap core dibagi lagi menjadi beberapa bagian kebeberapa departemen untuk memudahkan mendapat layanan akses internet. Pengguna jaringan internet di IPB meliputi mahasiswa, dosen, staf atau pegawai. Teknologi yang digunakan pada jaringan internet adalah WiFi dan LAN. Sebagian besar pengguna WiFi adalah mahasiswa dan LAN digunakan oleh dosen dan staf. Gambaran topologi jaringan IPB dapat dilihat pada Gambar 3.

Gambar 3 Topologi jaringan IPB (sumber IPB 2014)

Penentuan Pengambilan Data

Data jam sibuk jaringan IPB diambil dari aplikasi monitoring atau SNMP Cacti, dalam bentuk fail spreadsheet. Pengambilan mengacu pada rekomendasi yang dikeluarkan oleh ITU yaitu ITU-T E.500 mengenai pengoperasian jaringan dan layanan.

7 Pengambilan data untuk penentuan jam sibuk dilakukan selama 1 bulan, dari 21 Desember 2014 sampai 23 Januari 2015. Data yang diambil berupa jumlah trafik yang melewati router terluar selama 24 jam. Setelah pengambilan data selesai, data harian tersebut digabungkan ke dalam kelompok hari sehingga didapatkan data berupa total trafik penggunaan untuk setiap hari Senin saja dengan jeda satu jam dan begitu seterusnya sampai Minggu. Data dari hasil pengambilan untuk penentuan jam sibuk bisa dilihat pada Gambar 4. Dari grafik yang terdapat pada Gambar 4 bisa disimpulkan bahwa jam sibuk pada jaringan IPB ada pada jam 14.00-15.00.

Gambar 4 Rata-rata trafik Desember 2014 sampai Januari 2015

Akuisisi Data

Data jam sibuk yang sudah didapatkan, digunakan untuk menentukan waktu pengambilan data yang dilakukan di router terluar. Data yang diambil adalah semua data akses internet yang melalui core rektorat menuju router border. Cara pengambilan data menggunakan fitur SPAN.

Komputer dihubungkan ke salah satu port pada switch yang berfunsi sebagai sniffer. Port sniffer yang terdapat pada switch core rektorat menerima salinan semua paket data yang melewati core rektorat menuju router terluar dan sebaliknya. Skenario pengambilan data dengan sniffing bisa dilihat di Gambar 5.

Berdasarkan pada Gambar 5 bahwa sniffer dihubungkan pada salah satu port yang terdapat pada core rektorat. Pada core rektorat terdapat satu port yang akan menuju ke router terluar yang membawa semua aliran data dalam jaringan internet IPB. Dengan dilakukan metode sniffing atau port mirroring, maka semua aliran data yang menuju ke router terluar akan disalin ke port yang terhubung sebagai sniffer. Paket data yang disalin, dapat diambil melalui sebuah aplikasi yaitu Wireshark. Pengambilan data dilakukan selama 30 hari.

0 20 40 60 80 100 120 140 160 0 0 .0 0 0 1 .0 0 0 2 .0 0 0 3 .0 0 0 4 .0 0 0 5 .0 0 0 6 .0 0 0 7 .0 0 0 8 .0 0 0 9 .0 0 1 0 .0 0 1 1 .0 0 1 2 .0 0 1 3 .0 0 1 4 .0 0 1 5 .0 0 1 6 .0 0 1 7 .0 0 1 8 .0 0 1 9 .0 0 2 0 .0 0 2 1 .0 0 2 2 .0 0 2 3 .0 0 Tr a ffic (T b ) Jam

8

Gambar 5 Skenario akuisisi data

Gambar 6 Sampel hasil pengambilan data

Praproses Data

Hasil dari akuisisi data masih berupa raw data. Total raw data yang didapatkan adalah sebesar 892 GB. Data yang didapatkan mencakup semua informasi tentang waktu, alamat IP (asal dan tujuan), port number, length, protokol dan info yang lebih detail. Tidak semua informasi dari raw data yang diperlukan,

9 maka dilakukan perbersihan data. Atribut informasi yang digunakan untuk analisa data yaitu IP source, IP destination, length dan port number sedangkan atribut informasi lain dibuang karena tidak diperlukan dalam melakukan analisa. Praproses dibagi menjadi dua jenis data yaitu data request dan data response. Data request merupakan data trafik yang berasal dari jaringan internet IPB ke jaringan internet luar. Informasi yang pertama difilter yaitu alamat IP yang berasal dari jaringan internet IPB (IP source) yaitu 172.16.0.0/12. Setelah melakukan filter pada alamat IP source, dilanjutkan dengan melakukan filter untuk alamat IP yang mengarah ke internet (IP destination) yaitu alamat IP selain 172.16.0.0/12. Selanjutnya informasi

port number yang diperlukan hanya port number destination atau port number yang

berasal dari alamat IP yang mengarah ke internet. Sedangkan data response merupakan data trafik yang berasal dari jaringan internet luar ke dalam jaringan internet IPB. Informasi yang difilter yaitu IP source selain 172.16.0.0/12 dan IP

destination yaitu 172.16.0.0/12. Port number yang diperlukan hanya port number source. Hasil dari praproses data request adalah port number destination dan length

sedangkan hasil dari praproses data response adalah port number source dan length. Setelah melakukan praposes data didapatkan ukuran file berkurang dari 829 GB menjadi 89.5 GB.

Analisis Data

Setelah melakukan praproses, maka didapatkan data yang akan dianalisis, yaitu port number dan length. Port number yang dapat dikelompokkan ke dalam beberapa kategori (Moore and Papagiannaki 2005). Port number dibagi menjadi 10 kategori.

Tabel 2 Kategori trafik berdasarkan aplikasi

Kategori Request Response Persentase

(%) Paket Data (MB) Paket Data (MB)

Bulk 5773 0.597 5002 1.915 0.001 Games 1844187 338.478 1940759 1267.627 0.417 Interactive 23073 7.824 31606 39.405 0.006 Mail 870667 188.983 951730 762.512 0.201 Messenger 1123974 197.193 1257454 820.223 0.262 Multimedia 1056635 89.733 2210387 3121.249 0.360 P2P 1638620 831.327 1786679 1810.490 0.377 Services 319447 65.018 296617 51.492 0.068 Web 276099131 49530.797 476044596 650642.852 82.818 Other 62573934 43586.514 78106637 101627.849 15.490 Total 345555441 94836.464 562631467 760145.616 100.000 Berdasarkan Tabel 2 data di atas dapat diketahui bahwa selama jam sibuk satu detik ada 3199 paket yang dikirim dan 5209 paket yang diterima. Sedangkan rataan transfer data trafik upload sebesar 0.88 MBps dan transfer data trafik download sebesar 7.04 MBps. Kategori yang memiliki transfer paket paling tinggi adalah

Web sebanyak 6964 pps dengan rataan data sebesar 6.48 MBps. Sedangkan transfer

10

Selain kategori Web, kategori yang memiliki transfer paket yang tinggi juga adalah

games sebanyak 35 pps dengan rataan data sebesar 14.87 KBps. Selanjutnya

kategori P2P memiliki transfer paket data sebanyak 31 pps denga rataan data sebesar 24.46 KBps.

Berdasarkan jumlah paket yang diperoleh secara menyeluruh, kategori Web memiliki jumlah paket paling tinggi yaitu sebanyak 752 juta paket dengan total data sebesar 700 GB. Sedangkan untuk jumlah paket paling rendah adalah kategori bulk sebanyak 10775 paket dengan total data sebesar 2.51 MB. Untuk kategori games memiliki jumlah paket sebanyak 3.78 juta paket dengan total data sebesar 1.61 GB. Kategori P2P memiliki jumlah paket sebanyak 3.42 juta paket dengan total data sebesar 2.64 GB.

Tabel 3 merupakan kategori mail yang berisikan kumpulan aplikasi dan port

number yang termasuk ke dalam aplikasi email dengan system client dan server.

Aplikasi yang memiliki persentase yang tinggi yaitu simple mail transfer protocol (SMTP) sebesar 35.14% dan internet message access protocol secured (IMAPS) sebesar 57.03% dengan total data masing-masing sebesar 83.33 MB dan 709 MB. Pengguna jaringan internet IPB masih sedikit menggunakan aplikasi e-mail berbasis client dan server.

Tabel 3 Kategori mail Aplikasi Port number Request Response Persentase (%) Paket Data (MB) Paket Data (MB) IMAP 143 1566 3.720 859 1.737 0.133 IMAPS 993 426441 53.929 612871 655.518 57.030 POP2 109 589 3.904 526 1.383 0.061 POP3 110 17309 34.159 16174 32.260 1.837 POP3S 995 23181 2.020 31522 36.099 3.002 SMTP 25 369281 53.696 271135 30.136 35.141 SMTPS 465, 587 27919 34.535 14990 2.369 2.355 SMTP Zimbra 10024, 10025 4365 3.017 3642 3.009 0.439 VPOP3 5108, 5109 16 0.004 11 0.001 0.001

Tabel 4 Kategori services Aplikasi Port number Request Response Persentase (%) Paket Data (MB) Paket Data (MB) DNS 53 258553 27.927 173458 30.898 70.124 Ident 113 619 2.849 1166 3.815 0.290 LDAP 389 195 0.213 73 0.089 0.044 LDAPS 3268, 3269 262 0.149 208 0.058 0.076 NTP 123 24150 4.581 94281 10.759 19.224 X11 6000-6063 35668 29.299 27431 5.873 10.242

11 Pada Tabel 4 merupakan kategori services yang berisikan kumpulan aplikasi dan port number yang termasuk ke dalam aplikasi layanan pada trafik jaringan. Aplikasi yang memiliki persentase yang tinggi yaitu domain name service (DNS) sebesar 70.12% dengan jumlah paket sebanyak 432011 paket dan total data sebesar 58.83 MB. Sedangkan aplikasi yang memiliki persentase yang kecil yaitu

lightweight directory access protocol (LDAP) sebesar 0.04% dengan jumlah paket

sebanyak 268 paket dan total data sebesar 0.30 MB. Tabel 5 Kategori interactive Aplikasi Port

number

Request Response Persentase

(%) Paket Data (MB) Paket Data (MB)

Rlogin 2105 130 0.064 89 0.009 0.401

SSH 22 22645 7.559 31314 39.114 98.683

TELNET 23 177 0.020 127 0.042 0.556

TELNETS 992 121 0.182 76 0.240 0.360

Pada Tabel 5 merupakan kategori interactive yang berisikan kumpulan aplikasi dan port number dengan paket-paket kecil, tunggal atau dalam kelompok kecil yang dikirim secara berkala. Aplikasi yang memiliki persentase yang tinggi adalah secure shell (SSH) sebesar 98.68% dengan jumlah paket sebanyak 53959 paket dan total data sebesar 46.67 MB.

Tabel 6 merupakan kategori bulk yang berisikan aplikasi dan port number dengan aliran transfer trafik data kisaran kilobytes atau beberapa megabytes terdiri dari dua jenis protokol yaitu file transfer protocol (FTP) dan file transfer protocol

secure (FTPS) dengan persentase sebesar 69.50% dan 30.50% dan memiliki total

data sebesar 777.27 KB dan 1734 KB. Kategori bulk merupakan kategori yang sangat sedikit diakses oleh pengguna jaringan internet IPB.

Tabel 6 Kategori bulk Aplikasi Port

number

Request Response Persentase

(%) Paket Data (MB) Paket Data (MB)

FTP 20-21 4180 0.308 3309 0.470 69.503

FTPS 989-990 1593 0.290 1693 1.445 30.497

Tabel 7 Kategori web Aplikasi Port number Request Response Persentase (%) Paket Data (GB) Paket Data (GB) HTTP 80 110801292 10.397 206956208 291.566 42.247 HTTPS 443 164296849 38.825 267406301 356.799 57.396 HTTP-Alt 8008, 8080, 8081, 8090 1000990 0.308 1682087 2.277 0.357

12

Tabel 7 merupakan kategori Web yang berisikan aplikasi dan port number dengan aplikasi berbasis web browser. Kategori ini hanya terdiri dari 3 jenis aplikasi yaitu hypertext transfer protocol (HTTP), hypertext transfer protocol

alternative (HTTP-Alt), dan hypertext transfer protocol secure (HTTPS). Protokol

dengan persentase yang tinggi adalah HTTPS sebesar 57.40% dan HTTP sebesar 42.25% dengan total data sebesar 395.62 GB dan 301.96 GB. Sedangkan protokol dengan persentase yang kecil adalah HTTP-alt sebesar 0.36% dengan total data hanya sebesar 2.59 GB. HTTPS merupakan protokol HTTP yang telah dienkripsi sehingga informasi pada protokol tersebut aman dan tidak mudah untuk diidentifikasi. Tabel 8 Kategori P2P Aplikasi Port number Request Response Persentase (%) Paket Data (MB) Paket Data (MB) BitTorrent 2710, 6881-7000, 30301 1597777 825.262 1721852 1730.708 96.915 Edonkey 9999 36870 4.947 60943 77.357 2.856 GnuTella 6346, 6347 851 0.488 662 0.417 0.044 KaZaA 1214 191 0.156 235 0.324 0.012 WASTE 1337 2931 0.476 2987 1.684 0.173

Tabel 8 merupakan kategori P2P yang berisikan kumpulan aplikasi dan port

number dengan transfer data antar peer atau client. Aplikasi atau aplikasi yang

paling dominan adalah BitTorrent dengan persentase sebesar 96.92% dan total data sebesar 2.56 GB. Pengguna jaringan internet IPB masih banyak menggunakan aplikasi BitTorrent untuk mengunduh file dan aplikasi dalam kategori ini bisa membuat koneksi pengguna lain menjadi lambat.

Tabel 9 Kategori multimedia

Aplikasi Port number Request Response Persentase (%) Paket Data (MB) Paket Data (MB) DAAP 3689 78 0.035 64 0.006 0.004 Macromedia (RTMP) 1935 985127 61.769 2121389 3046.071 95.087 MDNS, SSDP (youtube) 5353, 1900 542 0.092 206 0.039 0.023 Real Audio 6970-7170 66843 26.577 81916 66.375 4.553 RTSPS 322 84 0.304 341 0.948 0.013 RTSP 554 3961 0.956 6471 7.810 0.319

13 Tabel 9 merupakan kategori Multimedia yang berisikan kumpulan aplikasi dan port number yang termasuk ke dalam audio dan video. Aplikasi yang paling dominan pada kategori ini adalah real time messaging protocol (RTMP) atau disebut juga Macromedia-fcs dengan persentase sebesar 95.09% dengan total data sebesar 3.1 GB. Kebanyakan aplikasi ini digunakan untuk streaming musik dan video.

Tabel 10 Kategori games

Aplikasi Port number Request Response Persentase (%) Paket Data (MB) Paket Data (MB) Blizzard Battlenet, 8-Pool 4000 6490 1.000 6805 1.247 0.351 CastleVille 8890 710 0.103 593 0.088 0.034 COC, Clash Royale, Texas HoldEm Poker 9330-9340 61922 8.299 58785 25.952 3.189 CS 1200, 36567, 36963 1755 1.694 1284 0.965 0.080 Diablo 2 8888 4601 0.794 4369 4.277 0.237 Dota 2099, 5000-5500, 8393-8340 1197279 170.095 1306681 922.423 66.156 Game 2300-2400 40412 22.475 45596 47.011 2.272 Garena Gaming 1513 226 0.266 946 3.582 0.031 Get Rich 10500-10515 52100 7.892 59915 62.365 2.959 LOL, WOW, Blizzard Battlenet 6002-6152 42585 36.687 34734 12.936 2.043 Moodo Marble 28901-28920 16535 9.063 14695 7.575 0.825 Ragnarok Online 7201-7208, 7401, 17001-17002 27544 2.344 26329 5.895 1.423 RF Online 8088, 10007, 27780 20394 3.259 24202 28.054 1.178 Steam 1725, 3478, 4379, 4380, 27000-27050, 28999 370370 74.363 354861 145.005 19.161 WOW 3724 1264 0.143 964 0.255 0.059

14

Pada Tabel 10 merupakan kategori games yang berisikan kumpulan aplikasi dan port number yang termasuk ke dalam permainan secara online. Ada banyak aplikasi permainan online yang diakses oleh para pengguna jaringan internet IPB salah satunya yaitu aplikasi permainan Dota dengan persentase sebesar 66.16% dengan total data sebesar 1.1 GB. Pengguna jaringan internet IPB yang memiliki koneksi yang cepat dalam mengakses internet, masih banyak menggunakan untuk permainan online. Selain Dota, permainan online banyak diakses dengan aplikasi Steam yaitu sebesar 19.16% dengan total data sebesar 219.37 MB. Ada beberapa aplikasi permainan online yang teridentifikasi dengan port number yang sama.

Pada Tabel 11 merupakan kategori messenger yang berisikan aplikasi dan

port number yang termasuk ke dalam aplikasi sosial media. Kategori ini terdiri dari

4 jenis aplikasi yaitu Blackberry Messenger (BBM), Internet relay chat (IRC), WhatsApp, dan Yahoo Messenger (YM). Aplikasi yang paling dominan digunakan oleh pengguna jaringan internet IPB adalah WhatsApp dengan persentase sebesar 56.10% dengan total data sebesar 204.81 MB. Kategori ini termasuk ke dalam lima besar kategori yang paling banyak digunakan.

Tabel 11 Kategori messenger Aplikasi Port number

Request Response Persentase (%) Paket Data (MB) Paket Data (MB) BBM 1433, 1900, 1999, 200, 3101, 3200, 3479, 4070, 4071, 4085, 4185-4499, 5060, 5061, 5096, 5349 172096 98.158 168614 63.721 14.307 IRC 6660–6669, 6679, 6697, 4244 4458 1.577 3846 2.532 0.349 WhatsApp 5222, 5223, 5228, 5242 687465 77.486 648536 127.326 56.101 YM 119, 5000-5010, 5050, 5100, 8001, 8002 259955 19.972 436458 626.644 29.244

Kategori other merupakan kumpulan aplikasi dan port number yang tidak termasuk ke dalam kategori yang telah ditentukan. Katagori ini memiliki jumlah yang sangat besar dengan jumlah paket 140 juta paket dan total data sebesar 145.21 GB.

Jika diurutkan ke dalam lima favorit kategori dengan nilai paling besar maka urutan kategorinya adalah web, games, P2P, multimedia, dan messenger dengan persentase 82.818%, 0.417%, 0.377%, 0.360%, dan 0.262%. Sedangkan other sebesar 15.490%.

Kategori web merupakan kategori persentase yang sangat besar. Dengan metode ini, sangat sulit untuk mengidentifikasi setiap protokol yang ada didalam kategori tersebut. Sebagai contoh aplikasi Whatsapp memiliki web tersendiri, web tersebut seharusnya termasuk ke dalam kategori messenger tetapi karena web

15 tersebut menggunakan protokol HTTPS yang sudah dienskripsi, maka termasuk ke dalam kategori web.

Berdasarkan persentase dari data yang dianalisa, jika dihubungkan dengan tujuan penggunaan internet pada jaringan IPB belum digunakan maksimal. IPB memberikan layanan internet kepada seluruh civitas kampus untuk mempermudah dalam keperluan akademik dan riset. Lima kategori yang telah diurutkan merupakan kategori terfavorit yang sering diakses oleh para civitas IPB pada jam sibuk. Sehingga civitas IPB khususnya mahasiswa masih menggunakan internet kampus untuk game online, melihat video dan mendengar music secara streaming, mengunduh file dengan memakai aplikasi bittorrent, komunikasi media sosial.

SIMPULAN DAN SARAN

Simpulan

Jaringan internet IPB memiliki jam sibuk atau beban puncak yang terjadi pada pukul 14.00 sampai 15.00. Jaringan internet IPB yang memiliki kecepatan

bandwidth sebesar 1 Gbps belum sepenuhnya digunakan untuk keperluan akademik

dan riset. Pemanfaatan layanan jaringan internet IPB masih didominasi kategori

web dengan persentase sebesar 82.818%. Selain itu civitas IPB menggunakan

internet untuk games sebesar 0.417% dan messenger sebesar 0.262%. Dari kategori

web sebesar 82.818% ada kemungkinan civitas IPB menggunakan layanan jaringan

internet untuk keperluan akademik dan riset.

Saran

Metode klasifikasi port number ini belum bisa sepenuhnya mengidentifikasi jenis aplikasi yang akan dikategorikan dan memiliki kelemahan pada pengelompokan port number. Diperlukan identifikasi lebih spesifik khususnya pada aplikasi kategori web.

16

DAFTAR PUSTAKA

Cisco. 2014. Catalyst switched port analyzer (SPAN) configuration example. [diunduh 2015 Mei 7]. Tersedia pada: http://www.cisco.com/c/en/us/support/ docs/switches/catalyst-6500-series-switches/10570-41.html.

[ITU] International Telecommunication Union. 1998. Telecommunication standardization sector of ITU Recommendation E.500. [diunduh 2014 Nov 21]. Tersedia pada: http://www.itu.int/rec/T-REC-E.500-199811-I/en.

Menasce D, Almeida V. 2002. Capacity Planning for Web Service. New Jersey (US): Prentice Hall.

Moore AW, Papagiannaki K. 2005. Toward the Accurate Identification of Network

Applications. Cambridge (US): University of Cambridge.

Pariwono EG. 2014. Web log mining menggunakan k-means pada server proxy untuk perancangan manajemen bandwidth IPB [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Schneider P. 1996. TCP/IP Traffic Classification Based on Port Numbers. Cambridge (US): Harvard University.

Sianipar H. 2012. Analisa penggunaan layanan jaringan internet Institut Pertanian Bogor [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Wireshark. 2012. The world’s foremost network protokol analyzer. [diunduh 2015 Apr 20]. Tersedia pada: http://www.wireshark.org/docs/.

17

RIWAYAT HIDUP

Penulis dilahirkan di Padang pada 06 Oktober 1992 dari pasangan Ahmad Idris dan Maini Erita. Penulis adalah putra pertama dari tiga bersaudara. Tahun 2010 penulis lulus dari SMA Negeri 3 Padang. Pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) dan diterima di Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam.

Selama mengikuti perkuliahan, penulis aktif menjadi anggota Organisasi Mahasiswa Daerah Ikatan Pelajar dan Mahasiswa Minang (IPMM) dari tahun 2010–2014. Kegiatan lain penulis adalah mengikuti pelatihan teknologi informatika seperti, Pelatihan Develop Samsung SmartTV dan Pelatihan Cisco CCNA. Dari pelatihan Cisco CCNA, penulis mengikuti babak penyisihan NetRiders CCNA Indonesia 2014.