ANALISIS PERBANDINGAN KLASIFIKASI TRAFFIC NETWORK APLIKASI OVER-THE-TOP (OTT) DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN), LONG SHORT-TERM MEMORY (LSTM), DAN BI-DIRECTIONAL LONG SHORT-TERM MEMORY (Bi-LSTM) = COMPARATIVE ANALYSIS OF OVER-THE-TOP (OTT) APPLICATION TRAFFIC NETWORK CLASSIFICATION WITH CONVOLUTIONAL NEURAL NETWORK (CNN), LONG SHORT-TERM MEMORY (LSTM), AND BI-DIRECTIONAL LONG SHORT-TERM MEMORY (Bi-LSTM) ALGORITHMS

Pesatnya perkembangan internet dan industri komunikasi berkontribusi pada skala dan kepadatan trafik jaringan yang semakin besar, dinamis, dan kompleks. Sehubungan dengan hal itu, kebutuhan akan klasifikasi dan identifikasi trafik jaringan juga semakin meningkat seiring dengan munculnya berbagai layanan dan aplikasi baru. Pada sisi lain, tugas klasifikasi trafik jaringan yang akurat dipersulit dengan meningkatnya penggunaan protokol terenkripsi yang menjadi praktik standar dalam bidang keamanan jaringan saat ini. Hal ini menyebabkan metode – metode konvensional menjadi tidak efisien dan tidak bisa digunakan lagi. Penelitian ini membandingan 3 model deep learning, yaitu Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Bi-Directional Long Short-Term Memory (Bi-LSTM) untuk klasifikasi trafik jaringan aplikasi OTT pada dataset yang tidak seimbang. Hasil evaluasi kinerja ketiga model pada tiga jenis dataset original, oversampling, dan undersampling secara keseluruhan cukup baik, dengan nilai akurasi pada data test berada pada rentang 0,83 – 0,96. Model LSTM memiliki performa yang lebih baik dalam mengklasifikasikan trafik jaringan aplikasi OTT, berdasarkan nilai evaluasi pada data test untuk model LSTM dengan akurasi sebesar 0,96 dan f1-score 0,95, untuk model Bi-LSTM dengan akurasi sebesar 0,95 dan f1-score 0,95, dan model CNN dengan akurasi sebesar 0,91 dan f1-score 0,91.

Keywords : Klasifikasi trafik jaringan, Aplikasi OTT, CNN, LSTM, Bi-LSTM