Evaluation of Internet Network Performance at the Faculty of Computer Science Indonesian Christian Moluccas University
Main Article Content
Abstract
Internet merupakan suatu jaringan yang menghubungkan komputer di seluruh dunia tanpa dibatasi oleh jumlah unit menjadi satu jaringan yang dapat saling mengakses. Dengan internet tersebut, satu komputer dapat berkomunikasi secara langsung dengan komputer lain di berbagai belahan dunia. Alasan mengapa era ini memberikan dampak yang cukup signifikan bagi berbagai aspek kehidupan yaitu informasi pada internet bisa diakses 24 jam dalam sehari, biaya murah dan gratis, Kemudahan akses informasi dan melakukan transaksi, kemudahan membangun relasi dengan pelanggan, Materi dapat di ketahui dengan mudah, pengguna internet telah merambah ke segala penjuru.
Quality of Service (QoS) merupakan metode pengukuran tentang seberapa baik jaringan dan merupakan suatu usaha untuk mendefinisikan karakteristik dan sifat dari satu servis. QoS digunakan untuk mengukur sekumpulan atribut kinerja yang telah dispesifikasikan dan diasosiasikan dengan suatu servis. Model Monitoring QoS terdiri dari komponen monitoring application, QoS monitoring, monitor, dan monitored object. Pada pengukuran kualitas jaringan dengan menilai throughput dengan nilai rata-rata 32,81% dengan kategori sedang, delay 3,386 ms dengan kategori sedang, packet loss dengan kategori bagus dengan nilai rata-rata packet loss 3,31% dan jitter di kategori bagus mendapatkan rata-rata 4,3108 ms. Pengukuran dan penggunaan internet kampus berdasarkan data yang diperoleh dan berdasarkan topologi jaringan dengan router mikrotik yang dipakai oleh kampus Universitas Kristen Indonesia Maluku dapat dikategorikan kecepatan sedang.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Abad, S., Gholamy, H., & Aslani, M. (2023). Classification of Malicious URLs Using Machine Learning. Sensors (Basel, Switzerland), 23(18), 7760. https://doi.org/10.3390/s23187760
Chatterjee, R., Chakraborty, R., & J.K, M. (2019). Design Of a Lightweight Cryptographic Model For End-to-End Encryption in the IoT Domain. IRO Journal on Sustainable Wireless Systems, 1(04), 215–224. https://doi.org/10.36548/jsws.2019.4.002
Comer, D., & Rastegatnia, A. (2018). OSDF: An Intent-based Software Defined Network Programming Framework. pp, 527–535. https://doi.org/10.1109/lcn.2018.8638149
Goff, A. J., Zhang Quah, A. S., Ki-Cheong Hoe, C., Merolli, M., De Oliveira Silva, D., & Barton, C. J. (2022). Comprehensiveness, accuracy, quality, credibility and readability of online information about knee osteoarthritis. Health Information Management Journal, 52(3), 185–193. https://doi.org/10.1177/18333583221090579
Jain, G., & Anubha, A. (2021). Application of SNORT and Wireshark in Network Traffic Analysis. IOP Conference Series: Materials Science and Engineering, 1119(1), 012007. https://doi.org/10.1088/1757-899x/1119/1/012007
Jawaharan, R., Das, T., Mohan, P. M., & Gurusamy, M. (2018). Empirical Evaluation of SDN Controllers Using Mininet/Wireshark and Comparison with Cbench. 1–2. https://doi.org/10.1109/icccn.2018.8487382
Kimm, H., Paik, I., & Kimm, H. (2021). Performance Comparision of TPU, GPU, CPU on Google Colaboratory Over Distributed Deep Learning. 119, 312–319. https://doi.org/10.1109/mcsoc51149.2021.00053
Maulana, M., & Sandyawati, N. (2023). USING TIKTOK SOCIAL MEDIA AS A MARKETING PROMOTION MEDIA IN ONLINE BUSINESS. International Journal of Social Science, 3(4), 507–514. https://doi.org/10.53625/ijss.v3i4.7151
Naing, M. T., Khaing, T. T., & Maw, A. H. (2019). Evaluation of TCP and UDP Traffic over Software-Defined Networking. 7–12. https://doi.org/10.1109/aitc.2019.8921086
Ndatinya, V., Xiao, Z., Meng, K., Xiao, Y., & Manepalli, V. R. (2015). Network forensics analysis using Wireshark. International Journal of Security and Networks, 10(2), 91. https://doi.org/10.1504/ijsn.2015.070421
Prabakaran, M. K., Meenakshi Sundaram, P., & Chandrasekar, A. D. (2023). An enhanced deep learning‐based phishing detection mechanism to effectively identify malicious URLs using variational autoencoders. IET Information Security, 17(3), 423–440. https://doi.org/10.1049/ise2.12106
Sanchez-Paniagua, M., Alegre, E., Fernandez, E. F., Gonzalez-Castro, V., & Al-Nabki, W. (2022). Phishing URL Detection: A Real-Case Scenario Through Login URLs. IEEE Access, 10, 42949–42960. https://doi.org/10.1109/access.2022.3168681
Sandhya, S., Joshua, E., Purkayastha, S., & Deep, A. (2017). Assessment of website security by penetration testing using Wireshark. 1–4. https://doi.org/10.1109/icaccs.2017.8014711
Shahid, K., Ahmad, S. N., & Rizvi, S. T. H. (2024). Optimizing Network Performance: A Comparative Analysis of EIGRP, OSPF, and BGP in IPv6-Based Load-Sharing and Link-Failover Systems. Future Internet, 16(9), 339. https://doi.org/10.3390/fi16090339
Varyani, N., Zhang, Z.-L., & Dai, D. (2020). QROUTE: An Efficient Quality of Service (QoS) Routing Scheme for Software-Defined Overlay Networks. IEEE Access, 8, 104109–104126. https://doi.org/10.1109/access.2020.2995558
Yu, N., Zhou, L., & Lai, C.-Y. (2021). Protocols for Packet Quantum Network Intercommunication. IEEE Transactions on Quantum Engineering, 2, 1–9. https://doi.org/10.1109/tqe.2021.3112594