PENINGKATAN PERFORMA DETEKSI SERANGAN MENGGUNAKAN METODE PCA DAN RANDOM FOREST
Keamanan jaringan menjadi hal yang sangat penting dalam menghadapi ancaman serangan yang semakin kompleks dan canggih. Deteksi serangan dalam jaringan dapat membantu mengidentifikasi aktivitas mencurigakan yang mengindikasikan upaya penetrasi atau serangan oleh pihak yang tidak berwenang. Dalam upay...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2024-08-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/7678 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1823858646525673472 |
|---|---|
| author | Eko Arip Winanto Yudi Novianto Sharipuddin Sharipuddin Ibnu Sani Wijaya Pareza Alam Jusia |
| author_facet | Eko Arip Winanto Yudi Novianto Sharipuddin Sharipuddin Ibnu Sani Wijaya Pareza Alam Jusia |
| author_sort | Eko Arip Winanto |
| collection | DOAJ |
| description | Keamanan jaringan menjadi hal yang sangat penting dalam menghadapi ancaman serangan yang semakin kompleks dan canggih. Deteksi serangan dalam jaringan dapat membantu mengidentifikasi aktivitas mencurigakan yang mengindikasikan upaya penetrasi atau serangan oleh pihak yang tidak berwenang. Dalam upaya untuk meningkatkan performa deteksi serangan perlu adanaya penerapan sebuah metode untuk mendeteksi sebuah ancaman . Metode Random Forest adalah algoritma pembelajaran mesin yang memanfaatkan ansambel pohon keputusan. Ansambel tersebut terdiri dari beberapa pohon keputusan independen yang digunakan untuk mengklasifikasikan data. Salah satu karakteristik dari metode Random Forest adalah kemampuannya dalam mengatasi masalah overfitting dan kualitas prediksi yang baik. Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data dengan memproyeksikannya ke ruang fitur yang lebih rendah. Hal ini membantu menghilangkan korelasi antar fitur dan mengidentifikasi fitur-fitur penting yang dapat meningkatkan pemisahan antara serangan dan lalu lintas normal. Dalam penelitian ini akan diujikan dengan dataset CIC IOT 2023 yang terdiri dari beberapa tipe serangan. Pengujian model terdiri dari 4 fitur yaitu 5,8,10 dan 47. Hasil deteksi menunjukkan hasil yang memuaskan dengan meningkatkan kinerja dalam mendeteksi serangan hingga mencapai 99,2% |
| format | Article |
| id | doaj-art-bd6ea04610b34483b37515af478656c0 |
| institution | Kabale University |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| publishDate | 2024-08-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj-art-bd6ea04610b34483b37515af478656c02025-02-11T10:37:40ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792024-08-0111210.25126/jtiik.20241127678PENINGKATAN PERFORMA DETEKSI SERANGAN MENGGUNAKAN METODE PCA DAN RANDOM FORESTEko Arip Winanto0Yudi Novianto1Sharipuddin Sharipuddin2Ibnu Sani Wijaya3Pareza Alam Jusia4Universitas Dinamika Bangsa, SurabayaUniversitas Dinamika Bangsa, SurabayaUniversitas Dinamika Bangsa, SurabayaUniversitas Dinamika Bangsa, SurabayaUniversitas Dinamika Bangsa, SurabayaKeamanan jaringan menjadi hal yang sangat penting dalam menghadapi ancaman serangan yang semakin kompleks dan canggih. Deteksi serangan dalam jaringan dapat membantu mengidentifikasi aktivitas mencurigakan yang mengindikasikan upaya penetrasi atau serangan oleh pihak yang tidak berwenang. Dalam upaya untuk meningkatkan performa deteksi serangan perlu adanaya penerapan sebuah metode untuk mendeteksi sebuah ancaman . Metode Random Forest adalah algoritma pembelajaran mesin yang memanfaatkan ansambel pohon keputusan. Ansambel tersebut terdiri dari beberapa pohon keputusan independen yang digunakan untuk mengklasifikasikan data. Salah satu karakteristik dari metode Random Forest adalah kemampuannya dalam mengatasi masalah overfitting dan kualitas prediksi yang baik. Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data dengan memproyeksikannya ke ruang fitur yang lebih rendah. Hal ini membantu menghilangkan korelasi antar fitur dan mengidentifikasi fitur-fitur penting yang dapat meningkatkan pemisahan antara serangan dan lalu lintas normal. Dalam penelitian ini akan diujikan dengan dataset CIC IOT 2023 yang terdiri dari beberapa tipe serangan. Pengujian model terdiri dari 4 fitur yaitu 5,8,10 dan 47. Hasil deteksi menunjukkan hasil yang memuaskan dengan meningkatkan kinerja dalam mendeteksi serangan hingga mencapai 99,2%https://jtiik.ub.ac.id/index.php/jtiik/article/view/7678 |
| spellingShingle | Eko Arip Winanto Yudi Novianto Sharipuddin Sharipuddin Ibnu Sani Wijaya Pareza Alam Jusia PENINGKATAN PERFORMA DETEKSI SERANGAN MENGGUNAKAN METODE PCA DAN RANDOM FOREST Jurnal Teknologi Informasi dan Ilmu Komputer |
| title | PENINGKATAN PERFORMA DETEKSI SERANGAN MENGGUNAKAN METODE PCA DAN RANDOM FOREST |
| title_full | PENINGKATAN PERFORMA DETEKSI SERANGAN MENGGUNAKAN METODE PCA DAN RANDOM FOREST |
| title_fullStr | PENINGKATAN PERFORMA DETEKSI SERANGAN MENGGUNAKAN METODE PCA DAN RANDOM FOREST |
| title_full_unstemmed | PENINGKATAN PERFORMA DETEKSI SERANGAN MENGGUNAKAN METODE PCA DAN RANDOM FOREST |
| title_short | PENINGKATAN PERFORMA DETEKSI SERANGAN MENGGUNAKAN METODE PCA DAN RANDOM FOREST |
| title_sort | peningkatan performa deteksi serangan menggunakan metode pca dan random forest |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/7678 |
| work_keys_str_mv | AT ekoaripwinanto peningkatanperformadeteksiseranganmenggunakanmetodepcadanrandomforest AT yudinovianto peningkatanperformadeteksiseranganmenggunakanmetodepcadanrandomforest AT sharipuddinsharipuddin peningkatanperformadeteksiseranganmenggunakanmetodepcadanrandomforest AT ibnusaniwijaya peningkatanperformadeteksiseranganmenggunakanmetodepcadanrandomforest AT parezaalamjusia peningkatanperformadeteksiseranganmenggunakanmetodepcadanrandomforest |