JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025
Halaman : 235-240
ISSN : 2985-4768
IMPLEMENTASI NETWORK MONITORING SYSTEM (NMS)
MENGGUNAKAN CACTI DENGAN METODE GENETIKA PADA
INFRASTRUKTUR JARINGAN
Elang Pramana Putra1.
Ines Heidiani Ikasari2 Program Studi Teknik Informatika.
Universitas Pamulang.
Tangerang Selatan.
Indonesia, 15417 e-mail: 1pramanalang@gmail.
Abstract This study implements a Network Monitoring System (NMS) based on Cacti with genetic algorithm optimization to improve network monitoring efficiency at SMK PGRI 1 Tangerang.
Cacti is used to visualize network performance such as bandwidth.
CPU load, and uptime in real-time.
The objective of this study is to enhance the efficiency and effectiveness of network monitoring through polling interval optimization so that the system remains efficient without overloading the server.
The research methods include literature study, observation, interviews, and system simulation.
The results show that the implementation of Cacti with the genetic method can improve network stability, accelerate fault detection, and reduce the Mean Time to Repair (MTTR) by up to 35%, from an average of 90 minutes to 30 minutes per incident, as well as decrease the frequency of failures from 4 times to 2 times per week.
The results include graphical visualizations that help technicians and teachers interpret data, such as memory usage and load average.
The system has proven effective in improving school network stability with minimal overhead.
He implementation of a Network Monitoring System using Cacti with the genetic method has been proven to increase efficiency, stability, and fault detection speed in the network of SMK PGRI 1 Tangerang.
This system assists technicians in real-time monitoring and accelerates the troubleshooting process.
For future development, the system can be integrated with automatic notifications such as Telegram Bot or Email Alert and expanded to cloud-based monitoring to be more adaptive to modern network needs.
Keywords: Network Monitoring System.
Cacti.
Genetic Algorithm.
Network Infrastructure.
Polling Optimization.
Abstrak Penelitian ini mengimplementasikan Network Monitoring System (NMS) berbasis Cacti dengan optimasi algoritma genetika untuk meningkatkan efisiensi pemantauan jaringan di SMK PGRI 1 Tangerang.
Cacti digunakan untuk memvisualisasikan performa jaringan seperti bandiwth.
CPU load, dan Uptime secara real-time.
Tujuan penelitian ini adalah meningkatkan efisiensi dan efektivitas pemantauan jaringan melalui optimasi interval polling agar sistem tetap efisien tanpa membebani server.
Metode penelitian yang digunakan meliputi studi literatur, observasi, wawancara, dan simulasi sistem.
Hasil menunjukkan bahwa penerapan Cacti dengan metode genetika mampu meningkatkan stabilitas jaringan, mempercepat deteksi gangguan, dan https://jurnal.
id/index.
php/JORAPI/index JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025
Halaman : 235-240
ISSN : 2985-4768
menurunkan Mean Time to Repair (MTTR) hingga 35% dari rata-rata 90 menit menjadi 30 menit per gangguan, serta mengurangi frekuensi gangguan dari 4 kali menjadi 2 kali per minggu.
Hasilnya meliputi Visualisasi grafik memudahkan teknisi dan guru dalam interpretasi data, seperti penggunaan memori dan load average.
Sistem ini terbukti efektif meningkatkan stabilitas jaringan sekolah dengan overhead minimal.
Penerapan Network Monitoring System menggunakan Cacti dengan metode genetika terbukti mampu meningkatkan efisiensi, stabilitas, dan kecepatan deteksi gangguan jaringan di SMK PGRI 1 Tangerang.
Sistem ini membantu teknisi dalam pemantauan real-time serta mempercepat proses penanganan gangguan.
Untuk pengembangan selanjutnya, sistem dapat dikombinasikan dengan notifikasi otomatis seperti Telegram Bot atau Email Alert, serta diperluas ke pemantauan berbasis cloud agar lebih adaptif terhadap kebutuhan jaringan Kata kunci: Network Monitoring System.
Cacti.
Algoritma Genetika.
Infrastruktur Jaringan.
Optimasi Polling.
PENDAHULUAN
Perkembangan teknologi saat ini sangat mempengaruhi berbagai macam kegiatan, salah satunya Perusahaan atau instansi yang memiliki teknologi baru untuk meningkatkan produktivitas sumber daya yang dimiliki sehingga dapat mencapai produktivitas yang Peralatan yang dgunakan untuk menunjang kegiatan Perusahaan dan instansi tersebut haruslah dalam keadaan baik karena peralatan yang digunakan memiliki rentang waktu tertentu akibat dari kegiatan atau aktivitas yang telah dilakukan (Muhajir et al.
Perkembangan teknologi informasi dan komunikasi (ICT) di institusi pendidikan, seperti SMK PGRI 1 Tangerang, meningktkan ketergantungan pada jaringan komputer untuk kegiatan pembelajaran daring, sinkronisasi data, dan administrasi.
Namun, pemantauan jaringan masih dilakukan secara manual menggunakan perintah ping atau traceroute, menyebabkan keterlambatan deteksi gangguan seperti downtime, packet loss, atau bandwidth Hal ini berdampak pada produktivitas, terutama saat ujian online atau aktivitas .
Ketersediaan jaringan komputer yang stabil dan mudah dipantau merupakan kebutuhan utama dalam mendukung proses belajar mengajar berbasis teknologi informasi di SMK https://jurnal.
id/index.
php/JORAPI/index PGRI 1 Tangerang.
Sistem monitoring sebelumnya masih dilakukan secara manual sehingga menyebabkan keterlambatan dalam mendeteksi gangguan, meningkatnya downtime, serta kurang Untuk mengimplementasikan Network Monitoring System (NMS) berbasis Cacti yang mendukung protokol SNMP untuk menampilkan performa jaringan dalam bentuk grafik.
Namun.
Cacti memiliki kelemahan pada penggunaan interval polling yang tidak optimal dan berpotensi membebani server.
Oleh karena itu, penelitian ini menerapkan algoritma genetika guna mengoptimalkan interval polling, sehingga monitoring dapat berjalan lebih Penelitian ini bertujuan meningkatkan kecepatan deteksi gangguan, menurunkan Mean Time to Repair (MTTR), serta meningkatkan stabilitas jaringan.
Penelitian oleh (Annur et , 2.
membahas permasalahan yang dihadapi Pusat Informatika dan Komunikasi Universitas Ichsan Gorontalo, yaitu kesulitan admin jaringan dalam memeriksa banyak perangkat jaringan seperti router, switch, dan access point, karena belum adanya sistem monitoring terpusat.
Metode yang digunakan dalam penelitian ini adalah metode observasi dan wawancara untuk pengumpulan data, serta menggunakan metode black box.
Metode yang digunakan adalah metode genetika, bisa juga disebut metode deskriptif dengan pendekatan eksperimental, adapun tahapan penelitian meliputi:
JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025 Halaman : 235-240 Studi Literatur untuk memperoleh teori mengenai NMS.
SNMP.
Cacti, dan algoritma genetika.
Observasi dan Wawancara untuk mengetahui kondisi jaringan dan permasalahan yang sering terjadi di SMK PGRI 1 Tangerang.
Instalasi dan Konfigurasi Sistem.
Penerapan Algoritma Genetika.
Pengujian Sistem.
Implementasi Cacti berhasil menampilkan grafik penggunaan bandwidth.
CPU load, dan uptime perangkat jaringan secara real-time.
Sebelum penerapan sistem, teknisi membutuhkan waktu lama untuk mengetahui kondisi perangkat.
Setelah sistem diterapkan, gangguan dapat terdeteksi lebih Algoritma genetika menghasilkan interval polling optimal yang mampu mengurangi beban server sebesar 20Ae30% tanpa mengurangi akurasi Pengujian menunjukkan bahwa MTTR turun hingga 35%, peningkatan kecepatan deteksi gangguan sebesar 40%, serta peningkatan stabilitas jaringan berdasarkan grafik trafik yang lebih konsisten.
Hasil ini membuktikan bahwa integrasi Cacti dan algoritma genetika .
Kesimpulan akhir yang diharapkan terimplementasinya sebuah sistem monitoring yang cepat, efisie, dan juga akurat untuk mendukung kegiatan belajar mengajar di SMK PGRI 1 Tangerang.
PENELITIAN YANG TERKAIT
Penelitian oleh (Saputri et al.
, 2.
melakukan penelitian dengan judul AuAnalisis Kinerja Tools Network Monitoring Berbasis Aplikasi Cacti Secara Real TimeAy membahas permasalahan pada PT.
Telekomunikasi Indonesia Witel Kalimantan Barat yang memiliki banyak network element namun jumlah teknisi terbatas, sehingga proses pemantauan jaringan menjadi tidak efisien.
Penelitian oleh (Beno et al.
, 2.
melakukan penelitian dengan berjudul AuSistem Monitoring Server Menggunakan Cacti untuk Notifikasi Telegram BotAy membahas permasalahan seorang system administrator yang kesulitan dalam memantau performa dan kesehatan server secara manual pada jumlah server yang banyak.
https://jurnal.
id/index.
php/JORAPI/index ISSN : 2985-4768 Penelitian oleh (Susanto, 2.
melakukan penelitian dengan judul AuImplementasi Cacti Menggunakan Linux Virtual Server Monitoring dan Analisa Jaringan di PT Jala Lintas MediaAy membahas permasalahan yang dihadapi perusahaan dalam melakukan pemantauan kondisi jaringan dan server yang sering kali tidak efisien karena dilakukan secara manual.
Penelitian oleh (Fernando et al.
, 2.
melakukan penelitian dengan judul AuMonitoring Jaringan dan Notifikasi dengan Telegram pada Dinas Komunikasi dan Informatika Kota PadangAy membahas permasalahan penanganan jaringan yang masih dilakukan secara konvensional di Dinas Kominfo Kota Padang, yang menyebabkan proses deteksi gangguan lambat dan penggunaan waktu tidak efisien.
METODE PENELITIAN
Untuk melaksanakan suatu penelitian selalu diperlukan metode penelitian yang tepat agar penelitian dapat mencapai hasil yang maksimal.
Dalam proses simulasi sistem monitoring ini meggunakan metode Genetika.
Metode Genetika atau Algoritma Genetika merupakan metode yang digunakan mampu menyeleksi fitur yang yang mampu meningkatkan hasil akurasi dari klasifikasi (Amini et al.
, 2.
Penelitian ini dimulai dengan tahap analisis permasalahan yang terjadi di lingkungan sekolah SMK PGRI 1 Tangerang.
Saat ini, sistem pemantauan jaringan masih menggunakan manual, dan belum bisa memantau grafik jaringan setiap Setelah permasalahan dianalisis, dilakukan studi literatur untuk mencari referensi dan teori yang relevan sebagai dasar penembangan sistem.
Referensi yang digunakan mencakup buku, jurnal, skripsi, dan juga penelitian terdahulu yang membahas tentang Network Monitoring System (NMS) yang menggunakan berbagai macam metode seperti Cacti.
Zabbix dan lain-lain.
Studi ini bertujuan agar sistem yang dirancang sesuai dengan kebutuhan serta memiliki dasar ilmiah yang Tahap selanjutnya adalah persiapan alat dan software yang dibutuhkan.
Semua komponen yang JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025 Halaman : 235-240 dibutuhkan dimulai dari perangkat keras seperti:
Server dengan spesifikasi minimal CPU Dual-core 2GHz.
RAM 4GB.
Storage 50GB.
Router mikrotik:
RB750Gr2.
Komputer client minimal Interl i3 dan RAM 8GB, hingga alat pendukung seperti kabel RJ Selain perangkat keras, perangkat lunak juga dibutuhkan seperti: Software contohnya Web server, database.
NetSNMP.
RRDTool, dan tentunya Cacti.
Perancangan sistem dilakukan setelah seluruh kebutuhan tersedia.
Sistem dirancang agar Cacti yang digunakan sebagai software untuk monitoring jaringan dapat berjalan sesuai kebutuhan sekolah.
Setelah sistem dirancang, dilakukan tahap Pengujian dilakukan terhadap masingmasing komputer dan juga server secara Pengujian perbandingan hasil sebelum menggunakan Cacti dan setelah menggunakan Cacti untuk memastikan bahwa hasil yang didapat bisa mengurangi waktu maintenance ataupun mengetahui jika terjadi masalah pada jaringan maupun server.
Gambar harus dalam font biasa ukuran 10 pt.
Keterangan gambar dalam satu baris .
isalnya Gbr.
diletakkan di tengah .
, sedangkan keterangan multi-baris harus dirata kiri dan kanan .
seperti pada Gbr.
Table I.
Example of table caption Model Nayve Bayes ROS.
AdaBoost, dan Nayve Bayes RUS.
AdaBoost, dan Nayve Bayes Akurasi
88,51%
78,30%
AUC
0,838
0,856
74,33%
0,804
HASIL DAN PEMBAHASAN
Implementasi Cacti berhasil menampilkan grafik penggunaan bandwidth.
CPU load, dan uptime perangkat jaringan secara real-time.
Sebelum penerapan sistem, teknisi membutuhkan waktu lama untuk mengetahui kondisi perangkat.
Setelah sistem diterapkan, gangguan dapat terdeteksi lebih cepat.
https://jurnal.
id/index.
php/JORAPI/index ISSN : 2985-4768 Algoritma genetika menghasilkan interval polling optimal yang mampu mengurangi beban server sebesar 20Ae30% tanpa mengurangi akurasi Pengujian menunjukkan bahwa MTTR turun hingga 35%, peningkatan kecepatan deteksi gangguan sebesar 40%, serta peningkatan stabilitas jaringan berdasarkan grafik trafik yang lebih konsisten.
Hasil ini membuktikan bahwa integrasi Cacti dan algoritma genetika Berikut adalah grafik hasil dari monitoring yang dilakukan selama 24 jam.
Gambar diatas merupakan implementasi Cacti.
Dalam gambar dijelaskan bahwa hasil monitoring dalam kurun waktu 23-05-2025 pukul 20 hingga 24-05-2025 pukul 00.
20 Cacti Gambar 1.
1 Grafik ethernet Cacti mampu me-record traffic jaringan yang keluar masuk melalui host yang sudah ditentukan sebelumnya, diantara data yang dapat dilihat pada tabel berikut:
Table 1.
1 Data record monitoring Cacti Parameter Polling Time .
Traffic In .
Traffic Out .
Uptime
Max
2,23
Avg
0,069
Min 0,01 14,18 12,79 258,24 133,16 JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025 Halaman : 235-240 Dalam hasil tersebut maka.
Optimasi GA mengurangi overhead 30-50% dibandingkan polling tetap .
Visualisasi grafik meningkatkan interpretasi data .
, .
Keterbatasan.
skalabilitas untuk >100 perangkat memerlukan server yang lebih kuat.
Pada hasil monitoring juga MTTR turun sebanyak 67% .
0 meni.
, gangguan mingguan yang sebelumnya 4 kali menjadi 2 kali, dan downtime turun hingga <1,5% .
s 5% dari yang sebelumny.
Gambar 1.
2 Grafik polling time Grafik ini Menampilkan durasi waktu polling yang dilakukan oleh Cacti untuk mengumpulkan data dari perangkat Mikrotik.
Peningkatan waktu polling bisa mengindikasikan beban tinggi pada jaringan atau server.
Pada keterangan grafik polling time terdapat penjelasan seperti berikut:
ISSN : 2985-4768
Grafik Uptime pada Cacti menunjukkan lama waktu perangkat Mikrotik aktif .
tanpa Semakin besar nilai uptime, semakin lama perangkat tersebut berjalan secara terus-menerus tanpa gangguan atau reboot.
Berikut adalah interpretasi grafik Uptime dan keterangannya:
Grafik menunjukan kurva yang naik secara konstan dari 0 hingga 258 menit .
Ini menandakan bahwa Mikrotik menyala terus menerus dari pukul 00:20 tanggal 23 Mei 2025, hingga sekitar pukul 05:00 tanggal 24 Mei 2025.
Tidak ada penurunan atau reset, sehingga perangkat dinyatakan stabil dalam periode monitoring tersebut.
Current (Cu.
: 258,24 m Ie Waktu aktif saat ini.
Average (Av.
: 133,16 m Ie Rata-rata waktu aktif selama periode monitoring.
Berikut adalah table ringkasan monitoring yang merangkum semua matriks dari grafik .
isalnya max latency, max traffic, average polling tim.
Ini memudahkan pembaca dalam membaca data secara Berikut adalah ringkasan tabel hasil Table 1.
2 Ringkasan hasil monitoring keseluruhan Parameter Nilai Maksimum Nilai Rata-rata Satuan Ping Latency Milidetik Polling Time Detik Traffic In .
Traffic Out Uptime Kbps Kbps Menit Rentang waktu : 23 mei 2025, pukul 19:30 sampai 24 mei 2025, pukul 19:30.
Nilai polling time tertinggi : 2,23 detik.
Nilai rata-rata polling time : 0,069 detik.
Gambar 1.
3 Grafik Uptime https://jurnal.
id/index.
php/JORAPI/index KESIMPULAN Jika ditinjau secara keseluruhan, sistem yang dibangun sudah bekerja sesuai harapan dengan apa yang dibutuhkan, contohnya kelebihannya adalah sebagai berikut:
JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025 Halaman : 235-240 Cacti mampu memvisualisasikan kondisi perangkat jaringan secara real-time melalui protokol SNMP, sehingga memudahkan proses monitoring pada lingkungan sekolah.
Algoritma mengoptimalkan interval polling, menghasilkan pengurangan beban server tanpa mengurangi akurasi data monitoring.
Sistem monitoring yang diimplementasikan dapat meningkatkan efisiensi pengelolaan jaringan di SMK PGRI 1 Tangerang, terbukti dengan penurunan Mean Time to Repair (MTTR) sebesar 35%.
Integrasi Cacti dan algoritma genetika mampu mempercepat deteksi gangguan hingga 40% dan meningkatkan stabilitas jaringan secara Solusi ini cocok diterapkan pada institusi pendidikan yang memiliki keterbatasan sumber daya dan membutuhkan pemantauan jaringan yang efektif.
Berikut adalah kekurangan yang dimiliki, contohnya sebagai berikut:
Sistem belum dilengkapi fitur notifikasi otomatis .
eperti Telegram atau Email Aler.
, sehingga teknisi tetap harus membuka dashboard untuk mengetahui kondisi jaringan.
Optimasi algoritma genetika masih terbatas pada interval polling, belum mencakup parameter lain seperti sampling frequency atau threshold per perangkat.
Pengujian dilakukan pada satu jenis topologi dan perangkat jaringan terbatas, sehingga performanya mungkin berbeda jika diterapkan pada jaringan berskala besar atau kompleks.
Sistem belum terintegrasi dengan monitoring berbasis cloud sehingga pemantauan hanya dapat dilakukan pada jaringan lokal.
ISSN : 2985-4768
memperluas cakupan parameter optimasi, mengimplementasikan monitoring berbasis cloud, serta melakukan pengujian lebih lanjut pada skala jaringan yang lebih besar.
DAFTAR PUSTAKA