Deteksi Serangan Pada Jaringan Komputer Dengan Menggunakan Algoritma Neural Network (NN)

Andika Cahya Putra, . (2023) Deteksi Serangan Pada Jaringan Komputer Dengan Menggunakan Algoritma Neural Network (NN). Other thesis, Universitas Pamulang.

	Text COVER_0.pdf Restricted to Registered users only Download (937kB)
	Text BAB_1.pdf Restricted to Registered users only Download (149kB)
	Text BAB_2.pdf Restricted to Registered users only Download (333kB)
	Text BAB_3.pdf Restricted to Registered users only Download (195kB)
	Text BAB_4.pdf Restricted to Registered users only Download (666kB)
	Text BAB_5.pdf Restricted to Registered users only Download (7kB)
	Text JURNAL.pdf Restricted to Registered users only Download (355kB)

Abstract

Serangan jaringan adalah upaya yang dilakukan oleh individu atau kelompok untuk memanipulasi, merusak, atau mencuri data dari suatu jaringan komputer atau sistem informasi, efek utama dari serangan jaringan komputer berupa lambatnya akses internet dan rusaknya data pada server. Serangan jaringan dapat berupa serangan malware, serangan DDoS, phishing, dan banyak lagi. Serangan-serangan ini dapat menyebabkan kerugian finansial yang besar, kehilangan data penting, atau bahkan pencurian identitas. Oleh karena itu, sangat penting bagi kita untuk memahami jenis-jenis serangan jaringan yang ada dan cara mencegahnya. Machine learning adalah membuat suatu model (matematis) yang merefleksikan pola-pola data dimana proses pembelajaran yang dimaksud adalah suatu usaha dalam memperoleh kecerdasan yang melalui dua tahap antara lain latihan (training) dan pengujian (testing). Permasalahan yang dihadapi dalam Penggunaan metode Neural Network masih dapat dioptimalkan lagi dengan cara menaikan tingkat akurasi yaitu dengan melakukan perubahan pada nilai learning rate, hiden layer dan nilai Epoch yang sesuai. Tujuannya untuk menerapkan algoritma Neural Network pada sistem deteksi serangan pada jaringan komputer dengan mengubah atau mengatur nilai learning rate, hiden layer dan nilai Epoch yang sesuai, agar dapat menaikan tingkat akurasi. Hasil yang didapat melakukan perubahan pada nilai learning rate 1, memiliki 2 Hidden Layer dimana Hidden-1 memiliki 64 layer input, Hidden-2 memiliki 32 layer input dan hasil nilai Epoch 20, sehingga dari perubahan tersebut dapat dioptimalkan dengan menaiknya tingkat akurasi menjadi 99.67% dan didapat nilai rata-rata dari semua jenis serangan yaitu untuk precission 75%, recall 73%, F1-score 72%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Serangan Jaringan, Machine Learning, Algoritma Neural Network.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Enas Nasrulloh
Date Deposited:	09 Dec 2023 02:29
Last Modified:	09 Dec 2023 02:29
URI:	http://repository.unpam.ac.id/id/eprint/11930

Actions (login required)

View Item