Analisis Pola Serangan Cyber Di Lingkungan Iot Menggunakan Algoritma Fp-Growth, Apriori, Dan Eclat Studi Kasus :Cic Iot Dataset 2023

Mochamad Fachrudin Zikrullah, . (2025) Analisis Pola Serangan Cyber Di Lingkungan Iot Menggunakan Algoritma Fp-Growth, Apriori, Dan Eclat Studi Kasus :Cic Iot Dataset 2023. Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (331kB)
	Text BAB II.pdf Restricted to Registered users only Download (334kB)
	Text BAB III.pdf Restricted to Registered users only Download (161kB)
	Text BAB IV.pdf Restricted to Registered users only Download (3MB)
	Text BAB V.pdf Restricted to Registered users only Download (12kB)
	Text JURNAL.pdf Restricted to Registered users only Download (101kB)

Abstract

Perkembangan Internet of Things (IoT) meningkatkan konektivitas antar perangkat tetapi juga membuka celah bagi serangan siber yang semakin kompleks. Penelitian ini membandingkan FP-Growth, Apriori, dan ECLAT dalam mendeteksi pola serangan siber menggunakan IoT Dataset 2023 dari Canadian Institute for Cybersecurity, yang mencakup lalu lintas jaringan normal serta serangan seperti DDoS, scanning, dan botnet. Setelah melalui preprocessing dan transformasi data, ketiga algoritma diuji untuk mengekstrak frequent itemsets dan aturan asosiasi, dengan evaluasi berbasis support, confidence, dan lift. Hasil penelitian menunjukkan bahwa FP-Growth unggul dalam efisiensi dengan waktu eksekusi tercepat (5,6 detik) dan akurasi tertinggi (95,8%), menjadikannya lebih optimal untuk dataset besar. ECLAT memiliki kinerja yang baik dalam menemukan aturan asosiasi dengan waktu eksekusi 7,2 detik dan akurasi sebesar 94,3%, tetapi memiliki keterbatasan dalam alokasi memori. Sementara itu, Apriori lebih mudah diimplementasikan tetapi kurang efisien karena membutuhkan banyak iterasi pemindaian data, dengan waktu eksekusi terlama sebesar 12,4 detik dan akurasi 92,5%. Kontribusi penelitian ini adalah dalam pengembangan sistem deteksi dini serangan siber yang lebih efisien, yang dapat membantu meningkatkan keamanan jaringan IoT terhadap ancaman yang terus berkembang.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Internet of Things (IoT), FP-Growth, Apriori, ECLAT, Deteksi Serangan siber, Keamanan Jaringan.
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:	miko
Date Deposited:	04 Jul 2025 07:30
Last Modified:	04 Jul 2025 08:14
URI:	http://repository.unpam.ac.id/id/eprint/16760

Actions (login required)

View Item