Analisis Kinerja Sistem Deteksi Intrusi Jaringan Komputer Berbasis Internet Of Things Menggunakan Metode Ensemble Dan Decision Tree

Eko Kristianto, . (2024) Analisis Kinerja Sistem Deteksi Intrusi Jaringan Komputer Berbasis Internet Of Things Menggunakan Metode Ensemble Dan Decision Tree. Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (966kB)
	Text BAB I.pdf Restricted to Registered users only Download (178kB)
	Text BAB II.pdf Restricted to Registered users only Download (1MB)
	Text BAB III.pdf Restricted to Registered users only Download (317kB)
	Text BAB IV.pdf Restricted to Registered users only Download (312kB)
	Text BAB V.pdf Restricted to Registered users only Download (107kB)
	Text JURNAL.pdf Restricted to Registered users only Download (358kB)

Abstract

Serangan Distributed Denial of Service (DDoS) tetap menjadi ancaman signifikan bagi keamanan jaringan pada instansi pemerintah maupun swasta, terutama dalam konteks Internet of Things (IoT). Dalam menjalankan operasionalnya dibutuhkan sebuah server yang bisa diakses setiap waktu untuk menyimpan data dan informasi. Server instansi ini menjadi target utama serangan intrusi jaringan yang bertujuan menghabiskan resource server sehingga pelayanan menjadi terganggu atau tidak berjalan sama sekali. Untuk itu, diperlukan sebuah metode yang dapat mengenali serangan tersebut dan mencegah terjadinya kerusakan pada server. Dalam penelitian ini, penulis menggabungkan metode Ensemble (Catboost, Extreme Gradient Boost, dan LightGBM) dan Decision Tree. Dataset RT_IOT2022, yang mencakup berbagai serangan intrusi dalam lingkungan IoT, digunakan untuk melatih model dan mengevaluasi model. Proses penelitian melibatkan preprocessing data, pelatihan model menggunakan algoritma Catboost, Extreme Gradient Boost, LightGBM dan Decision Tree, serta evaluasi kinerja berdasarkan metrik akurasi. Hasil penelitian menunjukkan bahwa Extreme Gradient Boost dengan Normalizer train-test split 80:20 memiliki akurasi (0.9982) berlangsung selama (00:22 detik), dan Normalizer 5 Folds Croos Validation memiliki akurasi (0.9909) berlangsung selama (01:27 detik). MinMaxScaler train-test split 80:20 memiliki akurasi (0.9989) berlangsung selama (00:15 detik) dan MinMaxScaler 5 Folds Croos Validation (0.9409) berlangsung selama (00:59 detik). dan diikuti oleh LightGBM Normalizer train- test split 80:20 memiliki akurasi (0.7704) berlangsung selama (00:31 detik), dan Normalizer 5 Folds Croos Validation (0.8585) berlangsung selama (02:20 detik). Sedangkan MinMaxScaler train-test split 80:20 (0.5128) berlangsung selama (00:25 detik), dan MinMaxScaler 5 Folds Croos Validation (0.6580) berlangsung selama (01:54 detik). Dan Catboost Normalizer train-test split memiliki akurasi (0.9982) berlangsung selama (10:.33 detik), Normalizer 5 Folds Croos Validation (0.9903) berlangsung selama (52:41 detik). Dan MinMaxScaler train-test split 80:20 (0.9988) berlangsung selama (09:51 detik), dan MinmaxScaler 5 Folds Croos Validation (0.9903) berlangsung selama (52:37 detik). Dan Decision Tree memiliki akurasi (0.9985) berlangsung selama (0:0003 detik). Dan Stacking memiliki akuasi (0.9181) berlangsung selama (0.0045 detik)

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Analisis Serangan DDoS; Ensmeble; Decision Tree; RT_IOT2022
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	miko
Date Deposited:	23 Nov 2024 07:14
Last Modified:	23 Nov 2024 07:14
URI:	http://repository.unpam.ac.id/id/eprint/15301

Actions (login required)

View Item