Oroh, Rivaldo (2026) IMPLEMENTASI ALGORITMA DBSCAN UNTUK DETEKSI SERANGAN IPSWEEP PADA DATASET NSL-KDD. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/text.png) |
Text (COVER - ABSTRAK)
COVER.pdf - Published Version Download (1MB) |
|
Text (BAB I)
BAB I.pdf - Published Version Download (188kB) |
|
Text (BAB II)
BAB II.pdf - Published Version Restricted to Registered users only Download (459kB) |
|
Text (BAB III)
BAB III.pdf - Published Version Restricted to Registered users only Download (232kB) |
|
Text (BAB IV)
BAB IV.pdf - Published Version Restricted to Registered users only Download (740kB) |
|
Text (BAB V)
BAB V.pdf - Published Version Download (76kB) |
|
Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (237kB) |
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 22.83.0762.zip Restricted to Repository staff only Download (190kB) |
|
Text (PUBLIKASI)
Publikasi.pdf - Published Version Restricted to Repository staff only Download (731kB) |
Abstract
Keamanan jaringan saat ini menghadapi tantangan serius akibat meningkatnya aktivitas pengintaian seperti serangan Ipsweep. Masalah utama dari serangan ini adalah kemampuannya untuk memetakan host yang aktif dalam sebuah jaringan secara cepat, yang jika dibiarkan akan menjadi pintu masuk bagi serangan siber yang lebih destruktif. Dampaknya, kerahasiaan dan integritas data dalam jaringan organisasi menjadi terancam, serta dapat menyebabkan kelumpuhan sistem jika tahap pengintaian ini berhasil berlanjut ke tahap eksploitasi. Untuk menyelesaikan masalah tersebut, peneliti menerapkan metode clustering menggunakan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Langkah-langkah penelitian dimulai dengan pengambilan data dari dataset NSL-KDD, dilanjutkan dengan tahap prapemrosesan data menggunakan Label Encoding untuk fitur kategorikal dan MinMaxScaler untuk menyeimbangkan skala nilai fitur. Proses identifikasi dilakukan secara unsupervised dengan menentukan parameter Epsilon (€) dan Minimum Points (MinPts) guna memisahkan trafik normal dengan titik anomali yang merupakan representasi dari serangan Ipsweep. Hasil akhir penelitian menunjukkan bahwa algoritma DBSCAN berhasil mengidentifikasi 11.063 data anomali dari total 61.809 catatan koneksi, dengan validasi metrik Silhouette Coefficient sebesar 0,0196. Penelitian ini berkontribusi dalam memberikan model deteksi dini yang otomatis dan efektif tanpa bergantung pada label data. Hasil penelitian ini dapat dimanfaatkan oleh administrator jaringan dan praktisi keamanan siber sebagai referensi dalam membangun sistem deteksi intrusi yang lebih adaptif. Untuk pengembangan lebih lanjut, disarankan penggunaan teknik reduksi dimensi guna mengoptimalkan waktu komputasi.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Keamanan Jaringan, Ipsweep, DBSCAN, Anomali, Silhouette Coefficient, Network Security. | ||
| 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 > Teknik Komputer | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 17 Sep 2026 01:44 | ||
| Last Modified: | 17 Sep 2026 01:44 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/32807 |
Actions (login required)
 |
View Item |