Aflahdiyag, Muhammad Zaki (2023) KLASIFIKASI SERANGAN DISTRIBUTED DENIAL OF SERVICE MENGGUNAKAN ALGORITMA DECISION TREE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (210kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (737kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (365kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (382kB) |
|
Text (BAB V)
BAB V.pdf Download (52kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (144kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code - Muhammad Zaki Aflahdiyag.rar Restricted to Repository staff only Download (2MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Meningkatnya pengguna dunia maya, semakin banyak jenis kejahatan siber yang muncul. Salah satunya adalah serangan Distributed Denial of Services (DDoS). Serangan ini dilakukan dengan mengirim paket sebanyak mungkin ke sistem yang akan membebani server dan memperlambat kinerja server atau bahkan menyebabkan deadlock. Serangan ini mengakibatkan kerugian finansial atau bahkan hilangnya data penting. Maka dari itu diperlukan algoritma machine learning yang dapat secara otomatis melakukan klasifikasi serangan DDoS. Salah satu algoritma klasifikasi yang populer adalah decision tree. Algoritma ini dapat menangani kumpulan data besar dengan dimensi yang lebih tinggi dan dapat menangani tugas multiclass. Disisi lain, algoritma decision tree memiliki kemungkinan mengalami overfitting yang mengakibatkan algoritma membuat prediksi yang kurang tepat pada unseen data. Maka dari itu perlu dilakukan pruning yaitu dengan memberikan batasan baik kedalaman pohon atau batasan jumlah maksimal nodes. Dataset yang digunakan adalah NSL-KDD, dataset ini merupakan pengembangan dari dataset KDD Cup 1999. Setelah dilakukan uji coba menggunakan algoritma decision tree, SVM, dan naïve bayes diperoleh hasil akurasi untuk decision tree 83,61%, SVM 75,58%, dan naïve bayes 51,17%. Akurasi ini menunjukkan bahwa algoritma decision tree berhasil memprediksi 83,71% benar dari keseluruhan dataset.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Decision tree, Machine learning, DDoS, Klasifikasi, Entropy | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
||
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 14 Jul 2023 02:48 | ||
| Last Modified: | 14 Jul 2023 02:48 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/20434 |
Actions (login required)
 |
View Item |