Penerapan Algoritma K-Means dan Linear Reggression Sederhana Dalam Klasterisasi Grafik Bandwidth

Abstract

Pandemik covid-19 mengubah pola aktifitas di semua aspek kehidupan saat ini, Adanya Perda DKI nomor 14 tahun 2020 mengenai himbauan pemda DKI untuk Work from Home (WFH) agar memutuskan rantai covid 19 mengubah semua kegiatan baik aktifitas sekolah, bekerja, berdagang daln lai-lain dilakukan dari rumah dan tentunya menggunakan koneksi internet. Internet Service Provider (ISP) menjadi sangat di butuhkan dalam menunjang aktifitas tersebut, dalam monitoring jaringan user, dibutuhkan bandwith yang stabil agar semua berjalan dengan baik. Analisa terhadap suatu trafik bandwith di butuhkan sebagai salah satu cara untuk Quality of Sevices (QOS). Data mining dengan menggunakan algoritma K-means dan linear regression dapat membantu dalam membuat informasi network quality management untuk klasterisasi bandwith. Hasil dari penulisan ini didapatkan klaster bandwith low yang berada di centroid 35.88 GB, klaster bandwith medium berada di centroid 43.15 GB, dan klaster bandwith high di centroid 55.31 GB dalam 4 bulan terakhir dari oktober 2020 sampai januari 2021 dan juga dilakukan pengujian performance distance clustering menggunakan davies bouldin index didapatkan hasil 0.240 serta prediksi volume trafik trafik bandwith per klaster.