Analisis Perbandingan Kinerja Algoritma Machine Learning Berbasis Feature Selection dalam Deteksi Serangan Botnet

Rio, Rio (2025) Analisis Perbandingan Kinerja Algoritma Machine Learning Berbasis Feature Selection dalam Deteksi Serangan Botnet. Skripsi thesis, Prodi Teknik Informatika.

	Text cover.pdf - Submitted Version Download (2MB)
	Text bab I.pdf - Submitted Version Download (1MB)
	Text bab II.pdf - Submitted Version Download (5MB)
	Text bab III.pdf - Submitted Version Download (4MB)
	Text bab IV.pdf - Submitted Version Restricted to Registered users only Download (5MB) | Request a copy
	Text bab V.pdf - Submitted Version Download (554kB)
	Text daftar pustaka.pdf - Submitted Version Download (996kB)
	Text lampiran.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Penggunaan internet mengalami perkembangan yang signifikan. Meningkatnya jumlah perangkat yang terhubung pada internet membuat keamanan akan serangan siber menjadi isu kritis, ini membuat peluang lebih banyak celah bagi penyerang siber untuk melakukan serangan terhadap perangkat tersebut yang mana salah satu bentuk serangan itu adalah botnet. Di Indonesia sendiri, Botnet menjadi sumber trafik anomali tertinggi pada tahun 2022 dengan 254.260.339 jumlah kasus sebagaimana tertera oleh BSSN. Tingginya angka serangan botnet disebabkan karena deteksi serangan botnet bisa menjadi tantangan, sulitnya mendeteksi serangannya dan rendahnya tingkat akurasi pendeteksian serangan menyebabkan data normal kadang dianggap menjadi serangan sehingga pemilihan metode yang bisa menangani hal ini sangatlah penting. Algoritma machine learning mampu mempelajari data trafik jaringan dan mengidentifikasi aktivitas yang mencurigakan, hal ini membuat machine learning menjadi metode yang efektif. Machine learning dengan berbasis feature selection memiliki akurasi diatas 90% dalam mendeteksi serangan DdoS pada dataset dan juga algoritma machine learning mampu mendeteksi data serangan dan data normal.maka dengan demikian, dalam penelitian ini algoritma Machine learning seperti K-Nearest Neigbors, Support Vector Machine dan Naive Bayes akan diterapkan kedalam sebuah dataset yang berisi data botnet dan normal untuk mengeksplorasi bagaimana algoritma machine learning dapat secara efektif mendeteksi yang mana pola serangan botnet dan yang mana data normal. Penelitian ini membandingkan performa dan kinerja algoritma machine learning yang umum digunakan untuk menemukan algoritma yang terefektif dalam mendeteksi serangan botnet dalam dataset yang ada.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Botnet, Dataset, Feature selection, K-Nearset Neigbors, Machine Learning, Naive Bayes, Support Vector Machine : Botnet, Dataset, Feature selection, K-Nearset Neigbors, Machine Learning, Naive Bayes, Support Vector Machine
Subjects:	000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 004.65 Jaringan Komunikasi Komputer
Divisions:	Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User:	Susila Novmbrita
Date Deposited:	12 Jun 2025 01:58
Last Modified:	12 Jun 2025 01:58
URI:	http://repository.upbatam.ac.id/id/eprint/6712

Actions (login required)

View Item

Downloads