PERBANDINGAN ALGORITMA NAÏVE BAYES, K-NEAREST NEIGHBOR DAN ALGORITMA SUPPORT VECTOR MECHINE UNTUK DETEKSI ANOMALI PADA JARINGAN

-, Harianto (2021) PERBANDINGAN ALGORITMA NAÏVE BAYES, K-NEAREST NEIGHBOR DAN ALGORITMA SUPPORT VECTOR MECHINE UNTUK DETEKSI ANOMALI PADA JARINGAN. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 19.51.1185-HARIANTO.pdf Download (4MB)

Abstract

Intrusion detection system (IDS) adalah metode yang dapat digunakan untuk mendeteksi aktivitas yang mencurigakan dalam suatu sistem atau jaringan. Data dan aktivitas yang akan dilakukan pengguna tetap aman dari pengguna yang tidak berwenang atau gangguan lainnya, sehingga diperlukan sistem untuk mendeteksi hal tersebut. Untuk mendeteksi anomali atau tidak, ada banyak algoritma klasifikasi yang dapat digunakan, salah satunya adalah Naïve Bayes. Penelitian ini menggunakan algoritma NBC dengan kumpulan data UNSW-NB15. Perbandingan algoritma NBC, KNN dan SVM dilakukan untuk mendapatkan nilai akurasi tertinggi dan algoritma yang paling baik dalam melakukan deteksi anomali pada jaringan. Pengujian dilakukan dengan membagi data set menjadi 7 kategori data uji yaitu data set tanpa seleksi fitu, 35 fitur, 30 fitur, 20 fitur, 15 fitur, 10 fitur dan 5 fitur. Seleksi fitur dilakukan dengan menggunakan teknik Univariate fitur selection. Pengujian dilakukan pada masing-masing algoritma sebanyak 14 kali masing-masing kategori data uji dua kali pengujian. Sehingga 7 x 2 = 14 selanjutnya 14 x 3 algoritma = 42. Jadi pada pengujian ini masing-masing algoritma dilakukan pengujian sebanyak 14 kali dan total dari pengujian pada penelitian ini adalah 42 kali pengujian. Nilai akurasi tertinggi didapatkan pada saat jumlah fitur 35 oleh algoritma KNN dan SVM kecuali NBC yang tetap memperoleh nilai akurasi sebesar 73.09% pada 15 sampai dengan 35 fitur. NBC memperoleh nilai akurasi rendah pada saat jumlah fitur 5 yaitu 68% pengujian pertama dan 69% pada pengujian kedua. Dengan adanya seleksi fitur dengan teknik Univariate Fitur Selection berhasil mendapatkan nilai yang lebih baik dibandingkan dengan tanpa seleksi fitur. Nilai akursi tertinggi didapatkan oleh algoritma KNN pada saat fitur yang digunakan sebanyak 35 fitur terbaik dengan nilai akurasi 93.64% dengan dua kali pengujian dngan random state berbeda. SVM sebesar 92.00% pada 35 fitur dan tanpa seleksi fitur. Sedangkan NBC mendapatkan 73.09% dari beberapakali pengujian dengan fitur dan random state yang berbeda. Dari semua pengujian yang dilakukan algoritma KNN lebih unggul dibandingkan SVM dan NBC baik pada seleksi fitur,tanpa seleksi fitur dan dengan jumlah random state yang berbeda.

Actions (login required)

View Item