SISTEM PREDIKSI PENGGUNAAN BANDWIDTH DAN SPESIFIKASI SERVER PORTAL UNIVERSITAS DARMA PERSADA BERBASIS WEB MENGGUNAKAN ELMAN RECURRENT NEURAL NETWORK

Vega, Humaira (2021) SISTEM PREDIKSI PENGGUNAAN BANDWIDTH DAN SPESIFIKASI SERVER PORTAL UNIVERSITAS DARMA PERSADA BERBASIS WEB MENGGUNAKAN ELMAN RECURRENT NEURAL NETWORK. Other thesis, Universitas Darma Persada.

[img] Text
COVER-DAFTAR ISI.pdf

Download (1MB)
[img] Text
BAB I.pdf

Download (619kB)
[img] Text
BAB II.pdf

Download (656kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB V.pdf

Download (567kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (566kB)
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only

Download (612kB)
Official URL: http://repository.unsada.ac.id/cgi/oai2

Abstract

Website hosting portal Universitas Darma Persada (Unsada) merupakan media layanan pendidikan untuk membantu jalannya aktifitas yang berada di lingkungan Universitas. Website ini berisi segala informasi terkait dengan Universitas, dengan itu dibutuhkannya monitoring yang tepat agar website bisa berjalan dengan efektif. Penelitian ini bertujuan untuk menganalisis perhitungan untuk memprediksikan kebutuhan bandwidth dan spesifikasi server yang dipakai oleh website portal Unsada. Analisis ini menggunakan data yang diperoleh dari kinerja pengelola program (task manager performance) yang terdapat pada server website portal Unsada. Metode yang diterapkan dalam penelitian ini yaitu metode Elman Recurrent Neural Network dengan menggunakan data yaitu speed CPU, memory RAM, local disk I/O, serta network I/O yaitu bandwidth-nya untuk menjadi data yang diperhitungkan pada Elman Recurrent Neural Network. Cara kerjanya yaitu dengan mengambil output sebelumnya sebagai input, jadi feedback dari hidden layer ke input layer. Sehingga dari perhitungan metode tersebut diharapkan dapat menghasilkan suatu prediksi untuk mempersiapkan kebutuhan bandwidth dan spesifikasi server yang tepat untuk mencapai layanan yang efisien.

Item Type: Thesis (Other)
Uncontrolled Keywords: prediksi, elman recurrent neural network, bandwidth, spesifikasi server
Subjects: 000 Generalities/Karya Umum > 004.21 Systems Analysis and Computer Design/Sistem Analisis Komputer, Desain Komputer
Divisions: Fakultas Teknik > Teknik Informatika
Depositing User: Trie anto Perpustakaan
Date Deposited: 31 May 2022 07:40
Last Modified: 31 May 2022 07:40
URI: http://repository.unsada.ac.id/id/eprint/2660

Actions (login required)

View Item View Item