Detail Cantuman

Bandwidth merupakan elemen krusial untuk kelancaran akses internet di lingkungan akademik. Ketidaktepatan dalam memprediksi penggunaan bandwidth bisa menyebabkan ketidakseimbangan alokasi sumber daya jaringan, yang berpotensi menurunkan kinerja. Penelitian ini bertujuan untuk memprediksi penggunaan bandwidth dengan menerapkan metode Least Square dan k-fold Cross Validation pada data bandwidth received dan sent, serta membandingkan performa prediksi dengan dan tanpa k-fold. Parameter evaluasi yang digunakan adalah R² dan MSE. Hasil pengujian menunjukkan bahwa performa prediksi optimal dicapai tanpa k-fold, dengan R² = 0.7388 dan MSE = 557.4976 untuk kategori received, serta R² = 0.7878 dan MSE = 82.2211 untuk kategori sent. Sebaliknya, penggunaan k-fold menurunkan performa model secara signifikan. Pada kategori received, 5-fold menurunkan R² sebesar 33.80% dengan peningkatan MSE sebesar 149.34%. Sementara itu, pada kategori sent, 5-fold menurunkan R² sebesar 67.33% dengan peningkatan MSE sebesar 131.21%. Penggunaan 10-fold dan 15-fold juga menunjukkan penurunan performa. Analisis menunjukkan bahwa karakteristik data yang memiliki variasi halus dan pola konsisten mendukung performa optimal model tanpa k-fold, memungkinkan model untuk menangkap dan menjelaskan variabilitas data dengan lebih efektif. Kesimpulannya, kfold cross-validation tidak meningkatkan performa prediksi dan justru menurunkan efisiensi model dalam beberapa kasus, menekankan pentingnya mempertimbangkan kompleksitas model dan karakteristik data sebelum menerapkan teknik validasi silang. Kata Kunci : bandwidth, prediksi, least square, k-fold cross validation, R², MSE