Simulasi Klasifikasi Paket Data Pada Jaringan Named-Data (NDN) Menggunakan Machine Learning

Penulis

DOI:

https://doi.org/10.34818/eoe.v9i6.19145

Abstrak

Abstrak—Arsitektur jaringan adalah arsitektur jaringan internet masa depan yang dapat merefleksikan dengan jaringan IP saat ini, juga inovasi dalam hal forwarding, routing, dan caching bersamaan dengan permasalahan yang terakumulasi dari user hari ini yaitu terkait sulitnya suatu data terakses dikarenakan terlalu tersentralisasinya sebuah data, oleh karena itu NDN hadir untuk memecahkan masalah tersebut. Pada pengujian kali ini, simulasi NDN akan dijalankan untuk mendapatkan dataset untuk diolah menggunakan Machine Learning untuk menganalisis jalur rute yang dilalui oleh suatu paket dengan tujuan agar pengembangan NDN dalam hal routing serta forwarding lebih efisien dan efektif. Hasil dari simulasi NDN untuk menganalisis laju lintas data menghasilkan hasil yang memuaskan terutama pada sisi forwarding dan routing. Lalu untuk proses Machine Learning paket NDN pun dapat dikatakan sukses dengan menghasilkan 8 kluster sebagai kelompok data untuk dianalisis, serta pada proses klasifikasi pun menghasilkan nilai akurasi yang optimal yaitu 0.97 dengan menggunakan nilai parameter data uji dan data latih sebesar 50/50. Kata Kunci — Named-data Networking, Machine Learning, Clustering paket NDN, Klasifikasi paket NDN.

Unduhan

Data unduhan tidak tersedia.

Referensi

[1] GIG by Indosat Ooredo. 2021. “Inilah Sejarah

Internet dan Perkembangannya di Indonesia”

[online]. Avaliable :

https://gig.id/stories/tech/sejarah-internetperkembangannya-indonesia.

[2] Galuh Putri Riyanto. 2021. Feb 23. Jumlah

Pengguna Internet Indonesia 2021 tembus 202

juta [online]. Available :

https://tekno.kompas.com/jumlahpenggunainternet-indonesia-2021-tembus-202-

juta.

[3] Zhang, L., Estrin, D., Burke, J., Jacobosn, V.,

Thonton, JD., dan Smetter, K., Zhang, B.,

Tsudik, G., Claffy, kc., Papadopoulos, C.,

Abdelzaher, T., Wang, L., Crowley, P., Yeh, E.

(2010): Named data networking (NDN) project,

Technical Report NDN-0001. 3-4.

[4] Alexander afanasyev, Xiaoke Jiang, Yingdi Yu,

Jiewen Tan, Yumin Xia, Allison Makin, Lisia

Zhang. "NDNS: A DNS-Like Namne Service for

NDN". IEEE, 2017.

[5] named-data/ndn-traffic-generator[online].

Available : https://github.com/named-data/ndntraffic-generator (accessed Nov. 10, 2021).

[6] Lixia Zhang, Alexander Afanasyev, Jeffrey

Burke, Van Jacobson, Patrick Crowley, Christos

Papadopoulos, Lan Wang, Beichuan Zhang. Jul.

2014. “Named-data networking (NDN)” ACM

SIGCOMM Computer Communication Review

Volume 4, Number 3.

[7] S. H. Ahmed, S. H. Bouk, and D. Kim, ContentCentric Networks An Overview, Applications

and Research Challenges. 2016.

[8] C. Yi, “ADAPTIVE FORWARDING IN

NAMED DATA NETWORKING,” The

University of Arizona, 2014.

[9] Named-data/NDN Forwarding Daemon[online].

Available : https://github.com/named- data/nfd

(accessed Nov. 17, 2021).

[10] Louridas, P. Ebert, C. 2016. Machine Learning.

The IEEE Computer Society.

[11] Get Ubuntu. Available : https://ubuntu.com/

(accessed Oct. 28, 2021)

[12] N. M. Ridha, S. R. Nana. May. 2021. Caching

and Machine Learning Integration Methodson

Named Data Network : a Survey. University of

Bath. The IEEE Xplore.

[13] ndn-cxx[online]. Available :

https://github.com/named-data/ndncxx(accessed Jan. 4, 2022).

[14] N. A. Muhammad, R. U. A. Muhammad, U.

Rehmat, K. S. Byung. Mar. 2020. A Comparative

Performance Analysis of Popularity-Based

Caching Strategies in Named Data Networking.

National Research Foundation of Korea (NRF).

[15] Shobha Gangadhar, Rangaswamy Shanta. Jul.

2018. Machine Learning. R. V. College of

Engineering.

[16] Scikit Learn : K-Means [online]. Available :

https://scikitlearn.org/stable/modules/generated/sklearn.clust

er.KMeans.html (accessed Jul. 2, 2022)

[17] L, Keunsoo, K. Juhyun, K. H. Ki, H. Younggo,

K. Sehun. 2008. DDoS attack detection method

using cluster analysis.

[18] Y. Liu, W. Li, Y. Li. 2007. Network Traffic

Classification Using K-means Clustering.

[19] S. P. Kristina, Y. Miin-shen. Unsupervised KMeans Clustering Algorithm.

[20] S. Samar, S. Senthilmurugan, R. K. Hemant, P.

Bighnaraj, S. Anantha. 2016. Performance

Evaluation of Caching Policies in NDN - an ICN

Architecture.

[21] H. Lingling. Jan. 2020. Packet-level-based

traffic aggregation to optimize NDN content

delivery.

[22] ndn-tools [online]. Available :

https://github.com/named-data/ndn-tools

(accessed Jun. 23, 2022)

[23] Scikit Learn : K-Means [online]. Available :

https://scikitlearn.org/stable/auto_examples/model_selection

/plot_confusion_matrix.html

[24] Y. Ruixi, L. Zhu, G. Xiaohong, X. Li. Jul.

2008. An SVM -based Machine Learning

Method for Accurate Internet Traffic

Classification.

Diterbitkan

2022-12-01

Terbitan

Halaman

3900-3910

Bagian

Program Studi S1 Teknik Telekomunikasi

Cara Mengutip

Zamaluddin, D. Z., Munadi, R., & Astuti, S. (2022). Simulasi Klasifikasi Paket Data Pada Jaringan Named-Data (NDN) Menggunakan Machine Learning. eProceedings of Engineering, 9(6), 3900-3910. https://doi.org/10.34818/eoe.v9i6.19145