Implementasi Association Rule Mining untuk Root Cause Analysis pada Dasbor Pemeriksaan Kesehatan Jaringan Mikrotik

SANDI ARRAHMAN FATHAHILA, . (2026) Implementasi Association Rule Mining untuk Root Cause Analysis pada Dasbor Pemeriksaan Kesehatan Jaringan Mikrotik. Skripsi thesis, UPN "VETERAN" YOGYAKARTA.

	Text 123220095_Cover - Sandi Arrahman Fathahila.pdf Download (153kB)
	Text 123220095_Abstrak - Sandi Arrahman Fathahila.pdf Download (214kB)
	Text 123220095_Halaman Pengesahan - Sandi Arrahman Fathahila.pdf Download (533kB)
	Text 123220095_Daftar Isi - Sandi Arrahman Fathahila.pdf Download (286kB)
	Text 123220095_Daftar Pustaka - Sandi Arrahman Fathahila.pdf Download (173kB)
	Text 123220095_Fulltext - Sandi Arrahman Fathahila.pdf Restricted to Repository staff only Download (2MB)

Abstract

Jaringan komputer modern sering kali menghasilkan ribuan baris log saat terjadi
gangguan, memicu fenomena badai alarm (alert storm) yang menyebabkan kelelahan
notifikasi (alert fatigue) pada administrator. Pendekatan pemantauan konvensional berbasis
ambang batas statis terbukti kurang efektif karena tingginya tingkat alarm palsu dan
kurangnya korelasi otomatis antar-kejadian. Penelitian ini bertujuan untuk membangun
sebuah sistem log aggregator menggunakan teknik Association Rule Mining dengan
algoritma FP-Growth sebagai mesin Root Cause Analysis (RCA) pada perangkat MikroTik
guna memilah informasi redundan dan memampatkan volume log.
Pengujian dilakukan melalui simulasi jaringan menggunakan GNS3 yang
menghasilkan 18.598 baris log mentah dari lima skenario: Normal, Link Failure, Upstream
Failure, DDoS Attack, dan Broadcast Storm. Data kemudian diseimbangkan menggunakan
teknik random undersampling menjadi 12.500 baris transaksi (2.500 baris per skenario)
sebagai masukan algoritma. Berdasarkan pengujian Grid Search, sistem dievaluasi
menggunakan konfigurasi parameter Minimum Support 0,1% dan Minimum Confidence 20%
untuk mengekstraksi pola anomali di tengah aliran data log yang cepat.
Hasil pengujian menunjukkan bahwa model algoritma membangkitkan 58.373
aturan asosiasi dengan macro recall sebesar 44,56%. Tingkat recall yang menengah ini
dipengaruhi oleh tingginya ambiguitas dan tumpang tindih fitur (feature overlap) pada teks
log OSPF yang membuat aturan menjadi terlalu sensitif (oversensitive). Meskipun demikian,
sistem ini terbukti sangat sukses memenuhi tujuan utamanya sebagai log aggregator,
dibuktikan dengan capaian Rasio Reduksi Alarm (Compression Rate) sebesar 93,50%.
Sistem secara tangguh mampu memampatkan 18.598 baris log mentah menjadi hanya 1.209
peringatan yang ringkas dan terarah. Hal ini membuktikan bahwa implementasi FP-Growth
dan mekanisme agregasi berbasis waktu dapat diandalkan untuk meminimalkan beban
kognitif (cognitive overload) administrator saat melakukan investigasi insiden di tengah
kondisi badai alarm.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Analisis Akar Masalah, Penambangan Aturan Asosiasi, FP-Growth, Badai Alarm, MikroTik.
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	12 Oct 2026 02:17
Last Modified:	12 Oct 2026 02:17
URI:	http://eprints.upnyk.ac.id/id/eprint/49697

Actions (login required)

View Item