Akmaliah, Raihani (2022) Implementasi Sistem Deteksi Serangan Ddos Menggunakan Seleksi Fitur Dan Algoritma SVM Classifier Pada Jaringan Komputer. S1 Teknik Informatika thesis, STMIK Widya Cipta Dharma.
![[img]](http://repository.wicida.ac.id/style/images/fileicons/text.png) |
Text
1843063-S1-Jurnal.pdf Restricted to Repository staff only Download (566kB) | Request a copy |
|
Text
1843063-S1-Teknik Informatika.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
Abstract
Tujuan dari penelitian ini adalah untuk menghasilkan pemodelan dari pembelajaran mesin (machine learning) untuk mendeteksi serangan DDoS dengan menggunakan seleksi fitur dan algoritma SVM Classifier pada jaringan komputer, menganalisis paket yang bersifat serangan DDoS atau bukan diantaranya TCP Flood, UDP Flood, ICMP Flood dan mengetahui tingkat akurasi sistem deteksi serangan DDoS pada jaringan komputer menggunakan algoritma SVM. Seleksi fitur dan algoritma SVM yang dapat membantu kinerja SVM dalam mengklasifikasikan serangan DDoS menggunakan metode SKKNI Nomor 299 Tahun 2020. Peneliti menganalisis paket serangan DDoS dengan parameter paket tersebut termasuk paket normal atau paket DDoS. Dataset yang digunakan yaitu dataset Mendeley untuk mempermudah evaluasi data penelitian ini menggunakan confusion matrix. Hasil penelitian berupa model algoritma SVM dalam mengklasifikasikan serangan DDoS dengan dua kategori yaitu DDoS dan Benign yang memiliki akurasi sebesar 92% menggunakan kernel RBF, sehingga sistem dinilai sangat baik untuk melakukan klasifikasi serangan DDoS dan diimplementasikan dalam bentuk website. ============================================================ The purpose of this research is to produce a modeling of machine learning for detecting DDoS attacks using feature selection and the SVM Classifier algorithm on computer networks, analyze packets that are DDoS attacks or not including TCP Flood, UDP Flood, ICMP Flood and determine the level of accuracy of the DDoS attack detection system on a computer network using the SVM algorithm. Selection of SVM features and algorithms that can help SVM performance in classifying DDoS attacks using the SKKNI method No. 299 of 2020. Researchers analyzed the DDoS attack package with parameters the package includes the normal package or the DDoS package. The dataset used is the Mendeley dataset for facilitate the evaluation of this research data using a confusion matrix. The results of the study are in the form of an SVM algorithm model in classifying DDoS attacks with two categories, namely DDoS and Benign which has an accuracy of 92% using the RBF kernel, so the system is considered very good for classifying DDoS attacks and implemented in the form of a website.
| Item Type: | Thesis (S1 Teknik Informatika) |
|---|---|
| Additional Information: | Pembimbing 1 : Wahyuni, S.Kom., M.Kom Pembimbing 2 : Pitrasacha Adytia, S.T., M.T |
| Uncontrolled Keywords: | DDoS, Seleksi Fitur, Algoritma SVM Classifier, SKKNI Nomor 299 Tahun 2020,Jaringan Komputer |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Teknik Informatika |
| Depositing User: | Mrs Raihani Akmaliah |
| Date Deposited: | 04 Aug 2022 05:36 |
| Last Modified: | 04 Aug 2022 05:36 |
| URI: | http://repository.wicida.ac.id/id/eprint/4188 |
Actions (login required)
 |
View Item |
