Aziz, Mukti (2023) SELEKSI FITUR BERBASIS CFS-PSO PADA KINERJA ALGORITMA KLASIFIKASI UNTUK DETEKSI SERANGAN DDOS. 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 (245kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (334kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (269kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (74kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Download (124kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - Mukti Aziz.zip Restricted to Repository staff only Download (6MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Serangan jaringan mengikuti perkembangan teknologi itu sendiri. Dengan banyaknya lalu lintas data dan beragam jenis trafik yang sedang berjalan, sulit membedakan antara trafik normal dan trafik serangan. Serangan DDoS adalah termasuk salah satu serangan yang semakin berkembang dan cukup sulit dibedakan dengan trafik normal. Maka dari itu diperlukan sebuah metode untuk meningkatkan kinerja deteksi serangan. Pada penelitian ini, untuk meningkatkan kinerja deteksi serangan DDoS yang semakin sulit dibedakan dengan trafik normal, maka dapat dilakukan metode seleksi fitur untuk membantu kinerja algoritma klasifikasi untuk mendeteksi jaringan normal dengan serangan. Peneliti menggunakan seleksi fitur berbasis CFsPSO Search untuk meningkatkan kinerja klasifikasi salah satu algoritma terbaik yaitu J48, Naive Bayes, dan RBF Network. Berdasarkan hasil penelitian, diterapkan algoritma J48, Naive Bayes dan RBF Network dihasilkan tingkat akurasi yaitu 99,89%, 97,73%, dan 99,19%, setelah dilakukan seleksi fitur dengan metode CFs-PSO Search akurasi yang dihasilkan yaitu 99,96%, 99,25%, dan 99,41%. Dari penelitian terjadi peningkatan akurasi yang cukup signifikan pada semua algoritma klasifikasi dan paling tinggi diraih oleh algoritma J48. Dari hasil penelitian terbukti bahwa CFs-PSO Search mampu menghilangkan atribut redundan.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Serangan DDoS, cfs-pso search, Algoritma Radial Basis Function, CIC-DDoS2019 | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 27 Oct 2023 02:54 | ||
| Last Modified: | 27 Oct 2023 02:54 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/22069 |
Actions (login required)
 |
View Item |