B-001

Prosiding Conference on Smart-Green Technology in Electrical and Information Systems

Bali, 14-15 November 2013

KLASIFIKASI PENGGUNAAN PROTOKOL KOMUNIKASI PADA NEWORK TRAFFIC MENGGUNAKAN NAÏVE BAYES SEBAGAI

PENENTUAN QoS

Made Sudarma

Staff Pengajar Magister Teknik Elektro, Manajemen Sistem Informasi dan Komputer Universitas Udayana.

Email : [email protected]

Abstrak — 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. Penggunaan network protocol dalam komunikasi di jaringan komputer, terkadang menuntut adanya prioritas komunikasi yang sering dikenal dengan QoS (Quality of Service). Prioritas komunikasi yang dimaksud atas dasar banyaknya penggunaan model komunikasi yang menggunakan network protocol seperti sering user menggunakan protocol HTTP. Analisa terhadap suatu trafik jaringan komputer merupakan salah satu cara mengetahui penggunaan protocol komunikasi jaringan komputer, sehingga dapat menjadi dasar penentuan prioritas (QoS). Penggunan Naïve Bayes digunakan untuk melakukan klasifikasi terhadap protocol komunikasi pada jaringan komputer. Penggunaan aplikasi wireshark digunakan sebagai tools network capture dan hasil yang dicapai adalah mengklasifikasikan protocol jaringan yang digunakan sebagai acuan penentuan QoS.

Kata kunci — Network protocol, QoS, network capture

  • I.    PENDAHULUAN

Klasifikasi yang tepat terhadap sebuah trafik internet sangat penting dilakukan terutama dalam hal desain perancangan arsitektur jaringan, manajemen jaringan dan keamanan jaringan [1]. Klasifikasi yang dilakukan adalah berdasarkan atas banyaknya tipe aktifitas komunikasi. Aktifitas komunikasi dalam jaringan komputer diatur dalam proses komunikasi menggunakan network protocol. Perkembangan network protocol yang diidentifikasikan ke dalam port number dikembangkan berdasarkan penggunaan model komunikasi yang terus berkembang dan terstandarisasi secara internasional Jumlah port number yang ditentukan dalam proses komunikasi adalah 65.536 [2].

Dandy Pramana Hostiadi

Mahasiswa Magister Teknik Elektro, Manajemen Sistem Informasi dan Komputer, Universitas Udayana .

Email : [email protected]

Banyaknya penggunaan network protocol dalam suatu komunikasi terkadang menuntut adanya penggunaan prioritas komunikasi seperti kualitias troughput, delay time, realability dan kemanan komunikasi [3]. 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 [4]. Pola terstruktur yang dimaksud adalah informasi dari header data informasi komunikasi. Aplikasi wireshark merupakan aplikasi yang handal dalam hal capture network traffic [5]. Hasil capture network traffic terdiri atas record lalu lintas (network traffic) dari transaksi komunikasi yang berjalan dalam jaringan komputer.

Penggunaan metode Naïve Bayes dalam penelitian yang dilakukan digunakan sebagai metode pengklasifiasian terhadap network traffic. Hasil proses klasifikasi akan dijadikan sebagai acuan dalam penentuan pemberian QoS terhadap Network protocol yang sering digunakan dalam komunikasi jaringan.

  • II.    LANDASAN TEORI

  • A.    Naïve Bayes Classification

Metode Bayes merupakan pendekatan statistik untuk melakukan inferensi induksi pada persoalan klasifikasi. Metode ini menggunakan probabilitas bersyarat sebagai dasarnya. Metode Klasifikasi Naïve Bayes didasarkan pada teorema Bayes, dengan asumsi bahwa efek dari nilai atribut pada kelas tertentu tidak tergantung pada nilai dari atribut lainnya. asumsi ini sering dikatakan sebagai “model fitur independen”.

Probabilitas untuk klasifikasi model kondisional adalah sebagai berikut:

P(C|F1,…Fn)                   (1)

Kondisional di atas merupakan variabel kelas dependen C dengan sejumlah kecil hasil atau kelas, tergantung pada beberapa variabel fitur F1 sampai Fn. Sehingga penulisan teori Bayes adalah :

F(c∣F1,...Fn) = ^^^(2)

, 1 n P(⅛-⅛J'

Dalam bahasa Inggris persamaan di atas dapat ditulis sebagai :

prior X Mteiih posterior = -----;

evidence

Asumsi kemandirian bersyarat yang "naif" memegang peranan. Menganggap bahwa setiap fitur Fi adalah secara kondisi independen terhadap setiap fitur lainnya Fj untuk j ≠ i. Ini berarti bahwa :

P ( Fi | C, Fj ) = p ( Fi | C )                  (4)

untuk i ≠ j, sehingga joint model dapat dinyatakan sebagai

p(C|F1,…,Fn) = p(C) p(F1|C) p(F2 |C) p(F3 |C)…

w

= p(C)[ jp(Fi∣O

Ini berarti bahwa di bawah asumsi independen di atas, distribusi bersyarat dari variabel kelas C dapat dinyatakan seperti ini :

F(C∣F1,...⅞J = ≡p(C) ∏SiιP(Fi∣Q

(5)

dimana Z (bukti) adalah faktor skala tergantung hanya pada F1,…,Fn , yaitu, sebuah konstanta jika nilai dari variabel fitur diketahui.

Model dari bentuk ini jauh lebih mudah dikelola, karena mereka memecah menjadi class prior p(C) dan distribusi probabilitas independen p(Fi|C). Jika ada k kelas dan jika model untuk masing-masing p(Fi|C = c) dapat dinyatakan dalam bentuk parameter, maka model naif Bayes yang sesuai memiliki (k - 1) + n r k parameter. Dalam prakteknya, sering k = 2 (klasifikasi biner) dan r = 1 (variabel Bernoulli sebagai fitur) yang umum, sehingga jumlah parameter model Naïve Bayes adalah 2n + 1, dimana n adalah jumlah fitur biner yang digunakan untuk klasifikasi dan prediksi.

  • B.    QoS

QoS dalam Jaringan Komputer merujuk kepada pemberian kualitas prioritas terhadap proses komunikasi yang berlangsung dalam jaringan komputer. Pemberian kualitas berdasarkan penentuan prioritas. Penggunaan QoS sering diimplementasikan pada protocol komunikasi dalam jaringan komputer yang sering disebut dengan Network protocol.Umumnya tujuan akhir dari QoS adalah memberikan network service yang lebih baik dan terencana dengan

dedicated bandwidth , jitter dan latency yang terkontrol dan meningkatkan loss karakteristik

  • C.    Network traffic

Pengukuran dan analisis lalu lintas jaringan jaringan penting dilakukan untuk mendapatkan pengetahuan tentang karakteristik lalu lintas jaringan [6]. Umumnya sebuah data network traffic memiliki informasi seperti :

  • •    IP Address

IP Address sering dikenal sebagai alamat komputer. Alamat komputer ini berfungsi sebagai identitas komputer dalam sebuah komunikasi jaringan. Alamat ini terbagi menjadi dua bagian yaitu sebagai identitas source dan destination. IP Source Address adalah alamat asal yang dapat diidentikan dengan si pengirim pada proses komunikasi data berlangsung. Sedangkan IP Destination Addrees adalah alamat tujuan yang dapat diidentikkan dengan si penerima data pada proses komunikasi data.

  • •    Protocol

Protocol adalah aturan yang diberlakukan dalam proses komunikasi data yang berjalannya diidentifikasi berdasarkan jenis layanannya. Setiap protocol yang berjalan akan dinamai sesuai dengan proses yang dilakukan dalam proses komunikasi di jaringan komputer. Contoh protocol komunikasi adalah protocol tcp, udp, http, ftp,icmp, dll

  • •    Length

Length adalah ukuran besar data yang berjalan dalam jaringan komputer. Ukuran yang umumnya digunakan dalam trafik di jaringan adalah dalam ukuran byte.

Network traffic sendiri dapat ditampilkan dalam bentuk data mentah (data dalam bentuk record trafik seperti hasil ) atau dalam bentuk jadi (sudah dalam bentuk grafik.

  • D.    Wireshark

Wireshark adalah salah satu dari sekian banyak tools Network Analyzer yang banyak digunakan oleh Network administrator untuk menganalisa kinerja jaringannya. Wireshark banyak disukai karena interface-nya yang menggunakan Graphical User Interface (GUI) atau tampilan grafis. Wireshark digunakan untuk troubleshooting jaringan, analisis, perangkat lunak dan pengembangan protokol komunikasi, dan pendidikan. Wireshark banyak digunakan oleh network administrator untuk menganalisa kinerja jaringannya. Wireshark mampu menangkap data/informasi yang melewati suatu jaringan yang kita amati dalam bentuk network traffic . Manfaat dari penggunaan aplikasi Wireshark ini yaitu sebagai berikut :

  • •    Menangkap informasi atau data paket yang dikirim dan diterima dalam jaringan komputer

  • •    Mengetahui aktivitas yang teradi dalam jaringan komputer

  • •    Mengetahui dan menganalisa kinerja jaringan komputer yang kita miliki seperti kecepatan akses/share data dan koneksi jaringan ke internet

  • •    Mengamati keamanan dari jaringan komputer yang kita miliki

Beberapa informasi yang dapat di capture oleh tools wireshark sebagai informasi network traffic antara lain time elapse (adalah waktu yang dicatat dalam periode tertentu), source address (alamat asal dari pengirim data, dapat berupa IP Address ataupun mac address ), destination address (alamat tujuan dari pengiriman data, dapat berupa IP Address ataupun mac address ), protocol (layanan atau service yang berjalan dalam jaringan komputer), length ( adalah ukuran data yang dikirimkan), dan info (adalah informasi tambahan dari tiap layanan yang berjalan dalam jaringan komputer).

  • III.    METODELOGI

  • A.    Network Capturing

Pengambilan Network traffic menggunakan aplikasi wireshark. Capture Network traffic dilakukan dengan meng-capture traffic. Pengambilan network traffic yang dilakukan menghasilkan kurang lebih hingga puluhan juta record traffic. Namun jumlah record yang dihasilkan tiap harinya tidak sama. Ketidak samaan jumlah record traffic disebabkan karena ketidaksamaan model komunikasi dalam jaringan komputer yang dilakukan oleh user. Model capture Network traffic dari wireshark adalah seperti pada gambar berikut :

Gambar 1. Capturing Network traffic

  • B.    Data Filtering

Data Filter dilakukan dengan memilih data yang akan digunakan sebagai proses penghitungan klasifikasi. Format record dari hasil network capture berupa data mentah diolah dan difilter menggunakan Microsoft SQL Server 2008. Counting dilakukan untuk menghitung record traffic yang sama. Pada data filter, field yang dihitung nanti menggunakan metode Naïve Bayes hanya menggunakan field Protocol,

Length dan jumlah counting. Dari informasi tiga field diatas, dapat dijadikan acuan dalam penentuan QoS dengan menganalisa jumlah counting.

  • C.    Klasifikasi Naïve Bayes

Data network traffic yang dipetakan dalam metode Naïve Bayes sebagai kelas klasifikasi adalah sebagai berikut :

  • •    Jenis Protokol dalam label kelas adalah jenis ARP, DHCP, DHCPv6, DNS, HTTP, ICMP, ICMPv6, IGMP, MDNS, MNDP, NBNS, NTP, SSDP, SSHv2, TCP.

  • •    Length Range adalah 0 - 32, 33 - 64, 65 - 128, 129 -256, 257 - 512, 513- 1024, 1025 – 2048

  • •    Counting Range adalah 0 - 500, 501 - 1000, 1001 -1500, 1501 - 2000, 2001 - 2500, 2501 - 3000, x > 3000.

  • •    Prioritas QoS sebagai penentuan hasil network traffic adalah prioritas rendah, menengah dan Tinggi.

Jumlah klasifikasi yang merepresentasikan klasifikasi berdasarkan prioritas adalah sebanyak 105 kelas. Berikut merupakan contoh kelas label berdasarkan prioritas

TABEL I.    TABEL CONTOH KELAS LABEL

Protocol

Lenth Range (byte)

Counting

Prioritas

ARP

0-32

0 - 500

Menengah

ARP

33 -64

501 - 1000

Menengah

DHCP

257 - 512

2001 - 2500

Menengah

DHCPv6

513 - 1024

2501 - 3000

Menengah

DHCPv6

1025 - 2048

x > 3000

Menengah

DNS

0-32

0 - 500

Menengah

HTTP

257 - 512

2001 - 2500

Tinggi

HTTP

513 - 1024

2501 - 3000

Tinggi

HTTP

1025 - 2048

x > 3000

Tinggi

ICMP

0-32

0 - 500

Menengah

ICMPv6

513 - 1024

2501 - 3000

Rendah

ICMPv6

1025 - 2048

x > 3000

Rendah

IGMP

0-32

0 - 500

Menengah

IGMP

33 -64

501 - 1000

Menengah

MDNS

1025 - 2048

x > 3000

Menengah

MNDP

0-32

0 - 500

Rendah

NBNS

1025 - 2048

x > 3000

Menengah

NTP

0-32

0 - 500

Menengah

SSHv2

513 - 1024

2501 - 3000

Menengah

TCP

513 - 1024

2501 - 3000

Tinggi

TCP

1025 - 2048

x > 3000

Tinggi

Dari Kelas klasifikasi diatas dilakukan penghitungan Naïve Bayes terhadap data sample contoh record Network traffic

TABEL II.    TABEL SAMPLE DATA NETWORK TRAFFIC

Nama Protocol

Length

Counting

Prioritas

HTTP

1430

4788

?

  • IV.    PERCOBAAN DAN HASIL

Percobaan penghitungan dalam penelitian yang dilakukan adalah melakukan perhitungan terhadap 91 record network traffic yang sudah difilterisasi pada tahap filtering Data dimana pada data mentah jumlah record traffic yang belum di filter (menghilangkan duplikasi record) mencapai jutaan record. Hasil dari Klasifikasi ditunjukan pada table berikut :

Penghitungan data sample terhadap P adalah sebagai berikut :

P (Rendah) : 33/105 = 0.3142857

P (Menengah) : 60/105 = 0.57142857

P (Tinggi) : 12/105 = 0.11428571

Perhitungan P terhadap Nama Protocol :

Nilai P (HTTP | Rendah) : 2/33 = 0.06060606

Nilai P (HTTP | Menengah) : 2/60 = 0.03333333

Nilai P (HTTP | Tinggi) 3/12 = 0.25

Perhitungan P terhadap Length :

Nilai P ( 1025 – 2048 | Rendah) : 4/33 = 0.12121212

Nilai P ( 1025 – 2048 | Menengah) : 6/60 = 0.1

Nilai P ( 1025 – 2048 | Tinggi) : 5/12 = 0.41666667

Perhitungan P terhadap Counting :

Nilai P ( x > 3000 | Rendah) : 4/33 = 0.12121212

Nilai P ( x > 3000 | Menengah) : 6/60 = 0.12121212

Nilai P ( x > 3000 | Tinggi) : 5/12 = 0.41666667

Perhitungan Posterior Rendah

0.3142857 x 0.06060606 x 0.12121212 x 0.12121212 =

0.000279854804193053

Perhitungan Posterior Menengah

0.57142857 x 0.03333333 x 0.1 x 0.12121212 =

0.000230880204906205

Perhitungan Posterior Tinggi

0.11428571 x 0.25 x 0.41666667 x 0.41666667 =

0.00496031735367063

Berdasarkan perhitungan nilai Posterior masing masing kelas prioritas terlihat bahwa Posterior Tinggi yang memiliki nilai tertinggi, maka hasil Perhitungan dengan metode Naïve Bayes menghasilkan klasifikasi prioritas Tinggi untuk Data Network traffic pada table 2.

TABEL III.   TABEL HASIL KLASIFIKASI

No

Nama Protocol

Length

Counting

Label Length

Label Counting

Klasifikasi Prioritas

1

ARP

60

130

33 - 64

0-500

Rendah

2

ARP

142

123

129 -256

0-500

Menengah

3

DHCP

948

1844

5131024

1501 -2000

Menengah

4

DHCPv6

759

4770

5131024

x > 3000

Menengah

5

DHCPv6

775

1040

5131024

1001 -1500

Menengah

6

DHCPv6

1315

519

1025 -2048

501 - 1000

Menengah

7

DHCPv6

1530

2086

1025 -2048

2001 -

2500

Menengah

8

DNS

1605

2027

1025 -2048

2001 -

2500

Tinggi

9

HTTP

1084

2196

1025 -2048

2001 -

2500

Tinggi

10

HTTP

769

2581

5131024

2501 -

3000

Tinggi

11

HTTP

1041

4568

1025 -2048

x> 3000

Tinggi

12

HTTP

1357

562

1025 -2048

501 - 1000

Menengah

13

HTTP

635

4143

5131024

x > 3000

Tinggi

14

HTTP

1646

1346

1025 -2048

1001 -1500

Menengah

15

HTTP

569

1038

5131024

1001 -1500

Menengah

16

HTTP

1430

4788

1025 -2048

x > 3000

Tinggi

17

HTTP

1219

2405

1025 -2048

2001 -

2500

Tinggi

18

HTTP

165

2536

129 -256

2501 -

3000

Menengah

19

HTTP

479

1807

257 -512

1501 -2000

Menengah

20

HTTP

717

1044

5131024

1001 -1500

Menengah

21

HTTP

689

3812

5131024

x > 3000

Tinggi

22

HTTP

1531

4635

1025 -2048

x > 3000

Tinggi

23

HTTP

1588

4685

1025 -2048

x > 3000

Tinggi

24

HTTP

59

3883

33 - 64

x > 3000

Menengah

25

HTTP

483

2136

257 -512

2001 -

2500

Tinggi

26

HTTP

1439

2720

1025 -2048

2501 -

3000

Tinggi

27

HTTP

1450

435

1025 -2048

0-500

Menengah

28

HTTP

40

3120

33 - 64

x > 3000

Menengah

29

HTTP

1104

3224

1025 -2048

x > 3000

Tinggi

30

HTTP

34

4403

33 - 64

x > 3000

Menengah

31

HTTP

558

333

5131024

0-500

Menengah

32

HTTP

858

3429

5131024

x > 3000

Tinggi

33

HTTP

550

3249

5131024

x > 3000

Tinggi

34

HTTP

702

1876

5131024

1501 -2000

Menengah

35

HTTP

1590

2966

1025 -2048

2501 -

3000

Tinggi

36

HTTP

157

3132

129 -256

x > 3000

Menengah

37

HTTP

815

1180

5131024

1001 -1500

Menengah

38

HTTP

1289

1204

1025 -2048

1001 -1500

Menengah

39

HTTP

914

3353

5131024

x > 3000

Tinggi

40

HTTP

1344

1637

1025 -2048

1501 -2000

Menengah

41

HTTP

1027

2997

1025 -2048

2501 -

3000

Tinggi

42

HTTP

1334

1282

1025 -2048

1001 -1500

Menengah

43

HTTP

1675

893

1025 -2048

501 - 1000

Menengah

44

HTTP

976

4362

5131024

x > 3000

Tinggi

45

HTTP

153

525

129 -256

501 - 1000

Menengah

46

HTTP

679

2252

5131024

2001 -

2500

Tinggi

47

HTTP

1318

212

1025 -2048

0-500

Menengah

48

HTTP

1659

2062

1025 -2048

2001 -

2500

Tinggi

49

HTTP

379

3637

257 -512

x > 3000

Tinggi

50

HTTP

1327

3089

1025 -2048

x > 3000

Tinggi

51

HTTP

1633

512

1025 -2048

501 - 1000

Menengah

52

HTTP

264

3711

257 -512

x > 3000

Tinggi

53

HTTP

1474

799

1025 -2048

501 - 1000

Menengah

54

HTTP

1529

3592

1025 -2048

x > 3000

Tinggi

55

HTTP

768

4797

5131024

x > 3000

Tinggi

56

HTTP

1588

2907

1025 -2048

2501 -

3000

Tinggi

57

HTTP

631

848

5131024

501 - 1000

Menengah

58

HTTP

1170

4863

1025 -2048

x > 3000

Tinggi

59

HTTP

1086

2466

1025 -2048

2001 -

2500

Tinggi

60

HTTP

949

1626

5131024

1501 -2000

Menengah

61

HTTP

1360

4746

1025 -2048

x > 3000

Tinggi

62

HTTP

1542

4343

1025 -2048

x > 3000

Tinggi

63

ICMP

577

870

5131024

501 - 1000

Menengah

64

ICMP

1210

1828

1025 -2048

1501 -2000

Menengah

65

ICMPv6

236

2417

129 -256

2001 -

2500

Menengah

66

ICMPv6

1202

984

1025 -2048

501 - 1000

Menengah

67

ICMPv6

1521

1928

1025 -2048

1501 -2000

Menengah

68

ICMPv6

1379

4073

1025 -2048

x > 3000

Menengah

69

ICMPv6

1116

2534

1025 -2048

2501 -

3000

Menengah

70

ICMPv6

569

2866

5131024

2501 -

3000

Menengah

71

IGMP

970

4839

5131024

x > 3000

Menengah

72

IGMP

921

4967

5131024

x > 3000

Menengah

73

MDNS

1144

1876

1025 -2048

1501 -2000

Menengah

74

MDNS

797

2090

5131024

2001 -

2500

Menengah

75

MNDP

201

3500

129 -256

x > 3000

Rendah

76

NBNS

330

4680

257 -512

x > 3000

Menengah

77

NBNS

690

1536

5131024

1501 -2000

Menengah

78

NTP

1667

3345

1025 -2048

x > 3000

Menengah

79

SSDP

379

2521

257 -512

2501 -

3000

Menengah

80

SSHv2

735

3970

5131024

x > 3000

Rendah

81

SSHv2

586

3650

5131024

x > 3000

Rendah

82

SSHv2

114

2515

65 -128

2501 -

3000

Rendah

83

SSHv2

627

1295

5131024

1001 -1500

Rendah

84

SSHv2

1179

1182

1025 -2048

1001 -1500

Rendah

85

SSHv2

1195

2522

1025 -2048

2501 -

3000

Rendah

86

TCP

378

1424

257 -512

1001 -1500

Menengah

87

TCP

1694

896

1025 -2048

501 - 1000

Menengah

88

TCP

1441

2668

1025 -2048

2501 -

3000

Tinggi

89

TCP

1211

4167

1025 -2048

x > 3000

Tinggi

90

TCP

982

1551

5131024

1501 -2000

Menengah

91

TCP

398

3160

257 -512

x > 3000

Tinggi

Dari table diatas, di petakan ke dalam grafik prioritas sebagai berikut :

Gambar 2. Banyak Protocol Berdasarkan Prioritas

Gambar 3. Banyak Length Range Berdasarkan Prioritas

Gambar 4. Banyak Counting Range Berdasarkan Prioritas

Pada gambar 2, dapat dilihat bahwa Hasil klasifikasi network traffic dari sisi protocol terhadap prioritas menjelaskan bahwa protocol HTTP memiliki prioritas menengah hingga tinggi dalam penentuan QoS. Gambar 3 menunjukkan bahwa Length yang dapat diberikan prioritas menengah adalah terhada komunikasi yang memiliki ukuran data dari 1025 -2048 byte dan ukuran 513 – 1024. Sedangkan untuk prioritas QoS tinggi adalah komnikasi pengiriman data pada ukuran1025 – 2048 byte. Gambar 3 menunjukkan bahwa prioritas QoS dapat diberikan terhadap proses komunikasi yang sama yang memiliki banyak kemunculan diats 3000 record. Sehingga dalam impementasi manajament jaringan, kebijakan QoS dapat dilakukan berdasarkan prioritas terhadap protocol, ukuran length maupun counting (banyaknya data record aktifitas yang sama).

  • V.    KESIMPULAN

Berdasarkan dari hasil pengujian maka dapat disimpulkan bahwa penggunaan metode Naïve Bayes mampu menunjukkan hasil klasifikasi berdasarkan penggunaan Protocol, ukuran komunikasi data yang ditransmisikan dalam bentuk length byte, dan juga berdasarkan counting (record yang sering muncul sebagai aktifitas). Klasifikasi yang dihasilkan merupakan acuan kebijakan penggunaan QoS oleh seorang administrator Jaringan.

Pengembangan dari penelitian yang telah dilakukan dalam penelitian ini, dapat dimaksimalisasi dengan penggunaan Scheduling Proccess. Sehingga hasil dari dari klasifikasi yang didapatkan adalah berdasarkan keperluan prioritas QoS berdasarkan pola waktu aktifitas komunikasi

DAFTAR PUSTAKA

  • [1]    Yuhai Liu, Zhiqiang Li, Shanqing Guo, Taiming Feng: Efficient, Accurate Internet Traffic Classification using Discretization in Naive Bayes. ICNSC 2008: 1589-1592

  • [2]    IANA Port Numbers, http://www.iana.org/ assignments/port/numbers. Diakses tanggal 24 September 2013

  • [3]    Stephen S. Yau, Yin Yin: QoS-Based Service Ranking and Selection for Service-Based Systems. IEEE SCC 2011: 56-63

  • [4]    Jun Zhang, Chao Chen, Yang Xiang, Wanlei Zhou, Yong Xiang: Internet Traffic Classification by Aggregating Correlated Naive Bayes Predictions. 5-15

  • [5]    SecTools.Org: Top 125 Network Security Tools, http://sectools.org. Diakses tanggal 24 September 2013

  • [6]    Jiqing Liu, Jinhua Huang.2010.Broadband Network traffic Analysis and Study In Various Types Of Application.IEEE : 978-1-4244-7050-1110.

64

ISBN: 978-602-7776-72-2 © Universitas Udayana 2013