Algoritma Fuzzy Dan Reinforcement Learning Dalam Pengambilan Keputusan

Tia Dianti Hajizah, Yudha Purwanto, Casi Setianingsih

Abstract

Banyaknya pengguna internet saat ini dapat menyebabkan banyak fenoma-fenoma aneh, yang menjadi salah satu fenoma ialah adanya anomali trafik jaringan internet. Salah satu contoh dari fenomena yang terjadi adalah flash crowd, dimana peningkatan akses / trafik ke suatu server karena kejadian tertentu. Denial of Service (DoS) dan Distributed Denial of Service (DDoS) merupakan contoh serangan yang dapat merugikan pengguna ataupun penyelenggara pihak provider dengan cara membanjiri trafik jaringan dengan permintaan akses ke suatu host yang dilakukan secara terus menerus, sehingga para pengguna yang sah tidak dapat mengakses host tersebut. Oleh sebab itu diperlukan sebuah sistem yang dapat mencegah sekaligus mengatasi anomali agar anomali tersebut tidak membanjiri arus lalu lintas jaringan.

Pada penelitian tugas akhir ini teknik Reinforcement Learning (RL) dan algoritma fuzzy dijadikan cara untuk kasus diatas. RL merupakan sebuah area dari machine learning dengan mengandalkan kemampuan sebuah agent terhadap lingkungan dengan mengandalkan beberapa gagasan tentang point penghargaan (reward). Penggunaan RL dilakukan untuk proses learning terhadap service yang dijadikan agent untuk terus dikontrol kenaikan anomalinya. Sedangkan algoritma fuzzy digunakan untuk menentukan berapa banyak service yang akan dikontrol dalam proses RL

Hasil dari penelitian tugas akhir ini sistem memiliki perfomansi yang baik dalam menangani setiap anomali, agar pada trafik jaringan selanjutnya ada penurunan angka anomali. Kemudian algoritma fuzzy dapat menentukan jumlah service yang dikontrol pada prose RL. 

 

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0