PENGEMBANGAN SISTEM PREDIKSI TRAFIK JARINGAN MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM) DENGAN METODE LOW RANK ADAPTATION (LORA) DAN DROPOUT UNTUK PENGELOLAAN LOAD BALANCING DAN FAILOVER SECARA OTOMATIS

NOVIYANTI, NOVI (2026) PENGEMBANGAN SISTEM PREDIKSI TRAFIK JARINGAN MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM) DENGAN METODE LOW RANK ADAPTATION (LORA) DAN DROPOUT UNTUK PENGELOLAAN LOAD BALANCING DAN FAILOVER SECARA OTOMATIS. S2 thesis, Universitas Mercu Buana Jakarta - Menteng.

	Text (Cover) 55424110005 - Novi Noviyanti - 01 Cover - Novi Noviyanti.pdf Download (867kB)
	Text (Bab 1) 55424110005- Novi Noviyanti - 02 BAB I - Novi Noviyanti.pdf Restricted to Registered users only Download (146kB)
	Text (Bab 2) 55424110005 - Novi Noviyanti - 03 BAB II - Novi Noviyanti.pdf Restricted to Registered users only Download (382kB)
	Text (Bab 3) 55424110005 - Novi Noviyanti - 04 BAB III - Novi Noviyanti.pdf Restricted to Registered users only Download (476kB)
	Text (Bab 4) 55424110005 - Novi Noviyanti - 05 BAB IV - Novi Noviyanti.pdf Restricted to Registered users only Download (985kB)
	Text (Bab 5) 55424110005 - Novi Noviyanti - 06 BAB V - Novi Noviyanti.pdf Restricted to Registered users only Download (30kB)
	Text (Daftar Pustka) 55424110005 - Novi Noviyanti - 07 DAFTAR PUSTAKA - Novi Noviyanti.pdf Restricted to Registered users only Download (141kB)
	Text (Lampiran) 55424110005 - Novi Noviyanti - 08 Lampiran - Novi Noviyanti.pdf Restricted to Registered users only Download (571kB)

Abstract

Perkembangan teknologi jaringan komputer semakin kompleks dengan meningkatnya kebutuhan akses internet sehingga membutuhkan sistem manajemen bandwidth yang adaptif dan stabil tetapi faktanya dilapangan pembagian trafik jaringan masih dilakukan secara statis sehingga sistem tidak mampu merenspons perubahan secara dinamis. Kondisi ini mengakibatkan ketidakseimbangan penggunaan bandwidth yang meningkatkan delay, packet loss, jitter dan throughput secara signifikan. Oleh karena itu, membutuhkan sistem prediksi yang mampu memprediksi kondisi trafik jaringan untuk load balancing dan failover secara otomatis. Penelitian ini bertujuan mengembangkan sistem prediksi trafik jaringan Long Short-Term Memory (LSTM) dengan metode Low-Rank Adaptation (LoRA) dan Dropout. Kombinasi model trafik jaringan dipilih untuk meningkatkan efisiensi komputasi dan mencegah overfitting pada model prediksi. Data penelitian diperoleh dari perangkat MikroTik pada jaringan dual ISP di SMK Negeri 1 Ciruas, dengan parameter yang diukur meliputi throughput, latency, jitter, packet loss, dan beban CPU dari dua jalur Internet Service Provider (ISP). Model LSTM digunakan untuk melakukan prediksi trafik secara real-time, dan hasil prediksi memutuskan sistem load balancing Per Connection Classifier (PCC) serta failover otomatis. Evaluasi model prediksi dilakukan dengan menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Mean Squared Error (MSE), dan koefisien determinasi (R2). Hasil pengujian menunjukkan bahwa model LSTM dengan LoRA dan Dropout menghasilkan MAE terbaik sebesar 0,89 dan RMSE sebesar 4,49, yang menunjukkan peningkatan akurasi yang signifikan. Implementasi sistem ini meningkatkan kualitas layanan jaringan, yang ditandai dengan penurunan jitter ISP1 sebesar 22,81%, jitter ISP2 sebesar 54,43%, packet loss ISP1 turun hingga 100%, packet loss ISP2 turun 99,81%, meningkatnya throughput RX ISP 2 sebesar 26,63% dan penurunan beban CPU hingga 37,3 % dari CPU konvensional. Sistem load balancing dan failover dapat mendistribusikan trafik secara adaptif dan responsif terhadap perubahan kondisi jaringan. Waktu fine-tuning model tercatat hanya 2,13 detik, sehingga sistem prediksi menggunakan LSTM dengan LoRA dan dropout dapat implementasi real-time pada perangkat edge computing dengan sumber daya terbatas. Dengan demikian, penelitian ini membuktikan bahwa model prediksi LSTM dengan LoRA dan Dropout efektif dalam menghasilkan sistem manajemen jaringan yang prediktif, efisien, andal, dan meningkatkan kualitas layanan internet. Kata Kunci: LSTM, LoRA, Dropout, , load balancing, failover, MikroTik, Quality of Service

Item Type:	Thesis (S2)
NIM/NIDN Creators:	55424110005
Uncontrolled Keywords:	LSTM, LoRA, Dropout, , load balancing, failover, MikroTik, Quality of Service
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions:	Pascasarjana > Magister Teknik Elektro
Depositing User:	CLAUDIA ASTRIANI
Date Deposited:	10 Sep 2026 07:01
Last Modified:	10 Sep 2026 07:05
URI:	http://repository.mercubuana.ac.id/id/eprint/103769

Actions (login required)

View Item