PREDIKSI PENGUNAAN BANDWIDTH PENS-ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION

Peramalan merupakan alat yang penting dalam perencanaan yang
efektif dan efisien karena peramalan diperlukan untuk menetapkan kapan
suatu peristiwa akan terjadi atau timbul sehingga tindakan yang tepat dapat
dilakukan. Selama ini banyak peramalan dilakukan secara intuitif dengan
menggunakan metode-metode statistik.Salah satunya di bidang Artificial
Intellegence. Dengan menggunakan teknologi di bidang Artificial
Intellegence yaitu teknologi jaringan syaraf tiruan maka identifikasi pola
data dari sistem peramalan bandwidth dapat dilakukan dengan metode
pendekatan pembelajaran atau pelatihan. Berdasarkan kemampuan belajar
yang dimilikinya, maka jaringan syaraf tiruan dapat dilatih untuk
mempelajari dan menganalisa pola data masa lalu dan berusaha mencari
suatu formula atau fungsi yang akan menghubungkan pola data masa lalu
dengan keluaran yang diinginkan.
Pada tugas akhir ini, maka dibuat suatu prediksi penggunaan bandwidth
PENS-ITS menggunakan jaringan syaraf tiruan dengan algoritma
backpropagation agar penggunaan bandwith kedepannya lebih efisien baik
dalam dalam tingkat penyewaan bandwidth ataupun dalam penggunaan
bandwidth.
Dari hasil pengujian, didapatkan bahwa untuk data bandwidth
berdasarkan jumlah trafik yang dalam hal ini proxy1_401 didapatkan bahwa
unit input 3, unit hidden 10 dengan data yang dipilih (T-1,T-2,T-3)
menghasilkan MSE terkecil yaitu 7.60E-5 dengan korelasi yang didapat
sebesar 99,66%. Waktu yang ditempuh dalam peramalan selama 16 detik.
Sehingga parameter input, hidden, dan data yang dipilih pada server
Proxy1_401 menggunakan arsitektur model peramalan unit input 3, unit
hidden 10 dengan data yang dipilih (T-1,T-2,T-3). Sedangkan utuk data
bandwidth berdasarkan jumlah client yang dalam hal ini Mesin mini
didapatkan bahwa unit input 3, unit hidden 10 dengan data yang dipilih (T-
1, T-2, T-3) menghasilkan MSE terkecil yaitu 9.80E-5 dengan korelasi yang
didapat sebesar 99%. Waktu yang ditempuh dalam peramalan selama 12
detik. Sehingga parameter input, hidden, dan data yang dipilih pada server
Mesin mini menggunakan arsitektur model peramalan unit input 3, unit
hidden 10 dengan data yang dipilih (T-1, T-2, T-3).
Kata kunci : Artificial Intellegence, bandwidth, backpropagation, forecast