EVALUASI PERFORMA SUPPORT VECTOR MACHINE DALAM DETEKSI SQL INJECTION DENGAN CONFUSION MATRIX

Hanan, Fata Naufal (2024) EVALUASI PERFORMA SUPPORT VECTOR MACHINE DALAM DETEKSI SQL INJECTION DENGAN CONFUSION MATRIX. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (184kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (662kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (231kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (546kB)
	Text (BAB V) BAB V.pdf Download (39kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (185kB)
	Archive (SOURCE CODE) Sourcecode - 20.83.0562.zip Restricted to Repository staff only Download (3MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (932kB)

Abstract

Aplikasi web sudah umum digunakan untuk membantu berbagai aktivitas masyarakat di era modern. Basis data menjadi bagian penting dari aplikasi web untuk menyimpan berbagai data, termasuk data yang sensitif. Menjaga keamanan basis data menjadi tantangan serius terhadap berbagai ancaman siber, terutama ancaman serangan Structure Query Language Injection (SQLI). Serangan SQL Injection bekerja dengan memasukkan kode yang telah disisipi kueri SQL yang berbahaya ke dalam aplikasi web untuk mendapatkan akses yang tidak sah ke basis data. Serangan ini dapat menyebabkan kerugian yang berkelanjutan mulai dari pencurian data hingga mendapatkan akses terhadap seluruh sistem. Seiring perkembangan teknologi, muncul berbagai alternatif cara untuk mendeteksi SQL Injection, salah satunya dengan menggunakan machine learning. Dalam penelitian ini, penulis menggunakan pendekatan preprocessing Bag of Words dan algoritma Support Vector Machine (SVM) untuk membuat sistem deteksi SQL Injection. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa pendekatan Bag of Words pada algoritma SVM dengan kernel RBF menghasilkan performa yang sangat baik dengan nilai akurasi sebesar 0,995, precision 0,995, recall 0,992, dan F1 Score 0,993. Performa SVM meningkat setelah dilakukan hyperparameter tuning menggunakan grid search terhadap nilai gamma menjadikan nilai akurasi sebesar 0,996, precision 0,997, recall 0,990, dan F1 Score 0,994. Pada kasus ini, hyperparameter yang berdampak signifikan terhadap meningkatnya performa sistem adalah nilai gamma. Dengan demikian, penelitian ini berhasil mengevaluasi sistem deteksi SQL Injection dengan pendekatan Bag of Words dan algoritma SVM. Pendekatan Bag of Words berdampak signifikan terhadap kinerja model machine learning bahkan sebelum dilakukan hyperparameter tuning. Hasil ini memiliki implikasi positif dalam evaluasi dan peningkatan performa SVM untuk mendeteksi SQL Injection dengan kinerja yang optimal.

Actions (login required)

View Item