KLASIFIKASI KUALITAS LAYANAN JARINGAN NIRKABEL KAMPUS BERDASARKAN PARAMETER QUALITY OF SERVICE MENGGUNAKAN ALGORITMA RANDOM FOREST DAN GRADIENT BOOSTING

Abstrak

Infrastruktur jaringan nirkabel (Wi-Fi) di lingkungan perguruan tinggi memegang peranan vital dalam menunjang kegiatan pembelajaran daring, akses sistem informasi akademik, dan riset civitas akademika. Namun, lonjakan beban pengguna pada jam-jam sibuk perkuliahan kerap memicu degradasi performa jaringan berupa tingginya latensi, fluktuasi jitter, dan peningkatan packet loss. Penelitian ini bertujuan mengotomasi klasifikasi kualitas layanan jaringan nirkabel kampus berdasarkan parameter Quality of Service (QoS) standar TIPHON dan ITU-T G.1010 menggunakan komparasi dua algoritma ensemble learning mutakhir: Random Forest (pendekatan bagging) dan Gradient Boosting Decision Trees (pendekatan boosting). Dataset penelitian mencakup 1.200 sampel telemetri jaringan yang merekam enam parameter utama: Packet Loss, Latency, Jitter, Throughput, RSSI, dan SNR, yang dikelompokkan ke dalam empat kelas kualitas (Buruk, Sedang, Baik, dan Sangat Baik). Model dievaluasi menggunakan stratified 10-fold cross validation. Hasil eksperimen menunjukkan bahwa algoritma Random Forest mencapai performa klasifikasi sempurna dengan akurasi 100,00% dan F1-Score 100,00%. Sementara itu, Gradient Boosting membukukan akurasi 99,67% dan F1-Score 99,67%. Analisis feature importance mengungkap bahwa Latency (33,41% pada RF dan 55,98% pada GBDT) serta Throughput (22,97% pada RF dan 40,29% pada GBDT) menjadi indikator paling determinan dalam menentukan kualitas koneksi nirkabel kampus.