Analisis Komputasi Peramalan Volume Request Traffic pada Server Repositori Data Terbuka Wikimedia Menggunakan Metode Moving Average.

Abstract

Pertumbuhan volume data pada infrastruktur cloud computing berskala besar menuntut manajemen kapasitas server yang adaptif guna mencegah terjadinya kendala server down atau under-utilized resource. Wikimedia Foundation, sebagai penyedia repositori data terbuka global, menghasilkan log aktivitas jaringan yang sangat masif dan fluktuatif setiap bulannya. Penelitian ini bertujuan untuk menerapkan salah satu metode kuantitatif dalam rumpun ilmu komputer, yaitu algoritma Moving Average dengan parameter interval periode , untuk meramalkan volume request traffic pada server repositori Wikimedia berdasarkan pola data historis kronologis. Guna menghasilkan analisis yang objektif dan terhindar dari bias data fiktif, data primer yang diekstraksi merupakan data log transaksi riil (open-access dataset) periode Januari hingga Mei 2026 yang diklasifikasikan ke dalam empat klaster metrik jaringan: Klaster HTTP GET Requests, Klaster HTTP POST Requests, Klaster Network Bandwidth Traffic (GB), dan Klaster Error Logs Requests. Validasi dan pengujian tingkat akurasi model prediktif ini dievaluasi secara komprehensif menggunakan parameter metrik standar evaluasi sistem peramalan, meliputi Error, Mean Absolute Deviation (MAD), Mean Squared Error (MSE), Mean Absolute Percentage Error (MAPE), dan Mean Percentage Error (MPE) yang disimulasikan pada data aktual bulan Mei. Hasil kalkulasi algoritma menunjukkan performa akurasi yang sangat tinggi, di mana rata-rata nilai kesalahan persentase absolut (MAPE) dari keseluruhan klaster berada jauh di bawah ambang batas kritis 10%. Hasil ini mengonfirmasi bahwa model peramalan berbasis rata-rata bergerak ini memiliki keandalan yang sangat baik (highly accurate) dalam menangani data variasi beban jaringan. Implementasi komputasi peramalan ini dapat direkomendasikan sebagai instrumen Decision Support System (DSS) bagi administrator jaringan dalam melakukan perencanaan alokasi bandwidth dan optimasi arsitektur server secara presisi dan efisien.