ABSTRAKSI: Audio Karakteristik yang dimiliki aplikasi saat berkomunikasi di network memiliki karakteristik yang khusus. Artinya, sebelum melakukan komunikasi antar aplikasi maka ada aturan/rule yang harus dipatuhi.Aturan/rule yang dimaksud adalah protokol yang digunakan aplikasi saat berkomunikasi. Karakteristik lain yang dimiliki adalah ukuran paket yang dikirimkan oleh aplikasi saat berkomunikasi. Berdasarkan karakterisik ini dapat dilakukan pendekatan unsupervised machine learning dalam melakukan pengelompokkan data trafik Internet.
Didalam tugas akhir ini digunakan dua algoritma clustering unsupervised machine learning, yaitu algoritma K-Means dan algoritma Expectation Maximization (EM). Kedua algoritma ini dibandingkan dengan pendekatan pengelompokan data trafik Internet berdasarkan port-number. Hasil pengujian menunjukkan bahwa algoritma K-Means dan EM bekerja dengan baik pada pengelompokan data trafik Internet. Algoritma EM menghasilkan cluster dan nilai akurasi yang lebih tinggi dibandingkan dengan algoritma K-Means, namun algoritma K-Means membutuhkan waktu yang lebih cepat dibandingkan dengan algoritma EM.Kata Kunci : Clustering, K-Means, Expectation Maximization dan Trafik InternetABSTRACT: Characteristic in application while being communicate in the network has distintives characteristics. It means, before doing the communication between other application, there is a rule which must be obey. The rule is a protocol, used by application while ommunicate. Another characteristic is a packet size transfered by application while communicate. Based on this characteristic, we can use unsupervised machine learning method for grouping Internet traffic data.
This final task using two clustering algorithm unsupervised machine learning, K-Means algorithm and Expectation Maximization (EM) algorithm. Both of them will be compared by other method based on portnumber in grouping Internet traffic data. Testing's results show K-Means algorithm and EM algorithm make a good result in grouping internet traffic data. EM algorithm produces a cluster and accuracy point better than KMeans algorithm, but K-Means algorithm works faster than EM algorithm.Keyword: Clustering, K-Means, Expectation Maximization, Internet Traffic