NOFRYANTI, NOVA and Chahyadi, Ferdi and Efranda, Nolan (2026) ANALISIS JARINGAN WLAN MENERAPKAN KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) (STUDI KASUS : KANTOR DESA GUNUNG KIJANG, BINTAN). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) NOVA NOFRYANTI_2101020032_Teknik Informatika_Cover.pdf - Published Version Download (482kB)
	Text (Abstrak) NOVA NOFRYANTI_2101020032_Teknik Informatika_Abstrak.pdf - Published Version Download (221kB)
	Text (BAB I) NOVA NOFRYANTI_2101020032_Teknik Informatika_BAB I.pdf - Published Version Download (298kB)
	Text (Daftar Pustaka) NOVA NOFRYANTI_2101020032_Teknik Informatika_Daftar Pustaka.pdf - Published Version Download (237kB)
	Text (Full Teks) NOVA NOFRYANTI_2101020032_Teknik Informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Jaringan WLAN memiliki peran penting dalam mendukung aktivitas pemerintahan, namun kinerjanya dapat menurun ketika terjadi peningkatan trafik, sebagaimana ditemukan di Kantor Desa Gunung Kijang, Bintan. Kondisi ini mengakibatkan layanan digital menjadi lambat sehingga diperlukan analisis trafik yang mampu mengenali pola penggunaan secara tepat. Penelitian ini dilakukan untuk mengelompokkan trafik jaringan ke dalam tiga kategori utama download, sosial media, dan web dengan memanfaatkan algoritma Support Vector Machine (SVM) menggunakan tiga jenis kernel, yaitu Linear, Polynomial, dan Radial Basis Function (RBF). Data trafik dikumpulkan melalui aplikasi Wireshark pada dua lokasi pengamatan dalam tiga rentang waktu (08.00, 11.30, dan 14.00) dengan durasi 15 menit pada setiap sesi. Data yang diperoleh kemudian diolah dan diuji menggunakan WEKA untuk mengetahui nilai akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Balai Desa memperoleh akurasi tertinggi sebesar 93,33%, sementara Kantor Desa berada pada angka 80%. Perbedaan ini dipengaruhi oleh karakteristik penggunaan jaringan di masing-masing lokasi. Secara keseluruhan, penelitian ini menunjukkan bahwa metode SVM cukup efektif dalam mengklasifikasikan trafik jaringan dan dapat dijadikan dasar dalam upaya optimalisasi distribusi bandwidth agar kualitas jaringan WLAN tetap stabil dan efisien. Kata kunci: klasifikasi, jaringan WLAN, SVM, trafik jaringan, Wireshark.

Actions (login required)

View Item