Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Kongesti di internet terjadi karena jumlah pengiriman data melebihi kapasitas router yang ada. Namun demikian, kenyataannya tidak setiap kongesti yang terjadi disebabkan karena hal tersebut. Sebagai contoh ketika kecepatan data dari satu pengirim jauh lebih tinggi dari pengirim yang lain karena mekanisme umpan balik yang tidak tepat, maka pengirim dengan kecepatan data jauh lebih rendah dapat dikatakan mengalami kongesti. Saat ini kongesti diatasi dengan melibatkan 2 mekanisme pengendalian, yaitu flow/congestion control di sumber pengirim data dan Active Queue Management (AQM) di router. AQM bertugas memberikan umpan balik kepada sumber pengirim sebagai indikasi dari tingkat kongesti di router. Sumber pengirim akan mengirimkan data ke jaringan sesuai dengan umpan bailk tersebut. Mekanisme ini dirasakan masih belum cukup untuk menuntaskan persoalan kongesti di internet. Untuk itu, dalam makalah ini akan dipaparkan sebab-sebab terjadinya kongesti, kelemahan dan teknik kendali kongesti, yang telah dikembangkan sampai saat ini. Untuk memperoleh gambaran respon sistem, digunakan Matlab untuk simulasi sistem.

---

Abstract
Internet congestion occurs when resource demands exceeds the network capacity. But, it is not the only reason. Congestion can happen on some users because some others user has higher sending rate. Then some users with lower sending rate will experience congestion. This partial congestion is caused by inexactly feedback. At this moment congestion are solved by the involvement of two controlling mechanisms. These mechanisms are flow/congestion control in the TCP source and Active Queue Management (AQM) in the router. AQM will provide feedback to the source a kind of indication for the occurrence of the congestion in the router, whereas the source will adapt the sending rate appropriate with the feedback. These mechanisms are not enough to solve internet congestion problem completely. Therefore, this paper will explain internet congestion causes, weakness, and congestion control technique that researchers have been developed. To describe congestion system mechanisms and responses, the system will be simulated by Matlab

Abstrak :
ABSTRAK
Kapasitas link gateway internasional INDOSATM2 saat ini sebesar 20 Gpbs diprediksi tidak dapat menampung seluruh trafik pelanggan pada tahun 2020 yang diprediksi mencapai sebesar 30 Gbps. ITU-T D.50 Suplemen 2 adalah dokumen rekomendasi pedoman pengurangan biaya koneksi Internet internasional yang berisi tentang metode-metode yang dapat digunakan untuk mengurangi biaya koneksi Internet internasional dengan melakukan penghematan pemakaian bandwidth internasional. Google Global Cache GGC merupakan salah satu alternatif metode penghematan pemakaian bandwidth link internasional sehingga dapat mengurangi biaya koneksi Internet internasional. Google Group merupakan situs web dan aplikasi yang paling banyak dikunjungi didunia, dan pada tahun 2014, Google mendapat penghargaan dari Business Insider sebagai perusahaan dengan merk paling bernilai. Penelitian ini bertujuan menganalisis tekno ekonomi implementasi Google Global Cache pada jaringan INDOSATM2 dan memberikan rekomendasi strategi implementasi Google Global Cache pada jaringan INDOSATM2 dengan menggunakan metode analisis tekno ekonomi dan cost-benefit analysis. Selain melakukan analisis aspek teknologi dan ekonomi, juga dilakukan analisis sensitivitas, analisis aspek regulasi, dan analisis strategi implementasi GGC. Hasil penelitian menunjukan bahwa implementasi GGC terbukti memberikan penghematan pemakaian bandwidth link international sebesar 33,7 dan layak diimplementasikan di INDOSATM2. Rekomendasi model GGC untuk diimplementasikan di INDOSATM2 adalah implementasi GGC Centralize karena memiliki aspek teknologi yang baik dengan biaya investasi awal dan biaya operasional yang lebih rendah.

---

ABSTRACT
INDOSATM2 international gateway link capacity currently at 20 Gpbs is predicted can not accommodate all customer traffic in 2020 which is predicted to reach as much as 30 Gbps. ITU T D.50 Supplement 2 is a guideline document for reducing the costs of international Internet connectivity which contains the methods that can be used to reduce the cost of international Internet connection by making efficient use of international bandwidth. Google Global Cache GGC is an alternative method of saving bandwidth international links so as to reduce the cost of international Internet connection. Google Group is a web site and application of the most visited in the world, and in 2014, Google received an award from Business Insider as the company with the most valuable brands. This research aims to analyze the techno economic and provide strategic recommendations on the implementation of the Google Global Cache on INDOSATM2 network using techno economic analysis and cost benefit analysis. In addition to the technological aspects and economic analysis, this research also conducted a sensitivity analysis, analysis of the regulatory aspects, and strategies analysis of GGC implementation. The results showed that the GGC implementation proven to provide efficient use of international links as much as 33.7 and decent implemented in INDOSATM2. Recommended models of GGC to be implemented in INDOSATM2 is GGC Centralize because it has a good technological aspects with the lower initial investment and operating costs.

Abstrak :
ABSTRAK
Peramalan trafik internet merupakan salah satu pendekatan yang dapat diterapkan oleh penyedia jasa internet dalam menjaga dan meningkatkan kualitas pelayanan internet yang ditawarkan. Pada penelitian ini, digunakan metode peramalan berupa kombinasi algoritma self organizing map (SOM) dan support vector regression (SVR). Metode SOM digunakan untuk membagi data historis trafik internet secara keseluruhan ke dalam beberapa cluster, sedangkan metode SVR digunakan untuk membentuk model peramalan pada setiap cluster yang terbentuk. Hasil peramalan data trafik internet pada penelitian ini menunjukkan bahwa model peramalan dengan metode SOM-SVR dapat memberikan prediksi yang lebih akurat terkait nilai error yang lebih kecil dibandingkan dengan metode SVR tunggal.

---

ABSTRACT
Traffic internet forecasting is one kind of approaches which can be implemented by internet service provider in order to keep and improve the offered internet service quality. This research uses the combination of self organizing map (SOM) and support vector regression (SVR) algorithm as forecasting method. SOM is first used to decompose the whole historical data of traffic internet into some clusters, while SVR is used to build a forecasting model in each formed cluster. The forecasting results of internet traffic data in this research show that the forecasting model by using SOM-SVR method can give more accurate prediction in terms of smaller error value compared to single SVR method.