eprintid: 31900
rev_number: 14
eprint_status: archive
userid: 12
dir: disk0/00/03/19/00
datestamp: 2026-07-03 02:12:34
lastmod: 2026-07-03 02:12:34
status_changed: 2026-07-03 02:12:34
type: thesis
metadata_visibility: show
creators_name: Putra, Riki Nur Indra
creators_nim: 22.83.0875
contributors_name: Ariyus, Dony
corp_creators: Universitas AMIKOM Yogyakarta
title: OPTIMASI DAN DETEKSI INTRUSI MENGGUNAKAN 
HYBRID FEATURE SELECTION DAN DECISION TREE
RULE-BASED PADA DATA NSLKDD
ispublished: pub
subjects: 000.000.000A
divisions: tk
full_text_status: restricted
keywords: Intrusion Detection System, Hybrid Feature Selection, RFECV, Decision
Tree, Explainable AI.
abstract: Keamanan jaringan komputer menghadapi tantangan besar akibat
meningkatnya volume lalu lintas data dan kecanggihan serangan siber. Penggunaan
Intrusion Detection System (IDS) berbasis Machine Learning menjadi solusi vital,
namun sering terkendala oleh dimensi data yang tinggi (seperti 41 fitur pada dataset
NSL-KDD) yang membebani komputasi, serta sifat black-box dari model AI yang
sulit divalidasi logikanya oleh manusia. Masalah ini menyebabkan ketidakefisienan
sistem dan keraguan administrator terhadap keputusan blokir yang diambil oleh
IDS. Penelitian ini bertujuan untuk mengoptimalkan kinerja IDS sekaligus
memberikan transparansi keputusan. Metode yang digunakan adalah Hybrid
Feature Selection yang menggabungkan kecepatan Random Forest (Filter) dan
ketelitian Recursive Feature Elimination with Cross-Validation (Wrapper) untuk
menyeleksi fitur terbaik. Selanjutnya, algoritma Decision Tree digunakan untuk
mengekstraksi aturan logika (Rule Extraction) dari setiap serangan. Hasil penelitian
menunjukkan bahwa sistem mampu mereduksi 41 fitur menjadi 23 fitur optimal
dengan mempertahankan akurasi validasi sebesar 99,73%. Sistem juga berhasil
menghasilkan "kamus aturan" yang transparan untuk 40 jenis serangan berbeda,
sehingga dapat dimanfaatkan oleh praktisi keamanan jaringan untuk memvalidasi
insiden keamanan secara cepat dan akurat.
date: 2026-01-28
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Putra, Riki Nur Indra  (2026) OPTIMASI DAN DETEKSI INTRUSI MENGGUNAKAN HYBRID FEATURE SELECTION DAN DECISION TREE RULE-BASED PADA DATA NSLKDD.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31900/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31900/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31900/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31900/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31900/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31900/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31900/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31900/8/Publikasi.pdf