MEMBANGUN MODEL MENDETEKSI SERANGAN DDOS BERBASIS MACHINE LEARNING STUDI KASUS PERUSAHAAN PT. ABC

Muhammad, Faqih (2024) MEMBANGUN MODEL MENDETEKSI SERANGAN DDOS BERBASIS MACHINE LEARNING STUDI KASUS PERUSAHAAN PT. ABC. Other thesis, UNSADA.

	Text COVER.pdf Download (3MB)
	Text BAB 1.pdf Download (610kB)
	Text BAB 2.pdf Download (917kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (566kB)
	Text DAFTAR PUSTAKA.pdf Download (597kB)
	Text LAMPIRAN.pdf Download (610kB)
	Text HASIL TURNITIN.pdf Download (836kB)
	Text Suket Hasil Cek Turnitin Muhammad Faqih - Muhammad Faqih.pdf Restricted to Registered users only Download (149kB)

Abstract

Deteksi serangan Distributed Denial of Service (DDoS) adalah tantangan utama dalam keamanan jaringan. Penelitian ini bertujuan meningkatkan efektivitas dan efisiensi deteksi DDoS menggunakan algoritma pembelajaran mesin: Naive Bayes, K-Nearest Neighbors (KNN), dan Random Forest. Dataset yang digunakan diambil dari file pcap yang direkam dan difilter menggunakan fitur-fitur terpenting berdasarkan Random Forest Importance. Hasil penelitian menunjukkan KNN memiliki akurasi tertinggi (98.63%), diikuti Random Forest (98.30%), dan Naive Bayes (59.75%). Naive Bayes cepat dalam komputasi tetapi kurang akurat. KNN efektif namun memerlukan optimisasi untuk mengurangi waktu komputasi. Random Forest seimbang dalam akurasi dan penanganan data kompleks meskipun memerlukan waktu komputasi lebih besar. Kesimpulannya, algoritma KNN dan Random Forest sangat efektif dalam mendeteksi serangan DDoS, meningkatkan sistem keamanan jaringan dengan implementasi dan optimisasi yang tepat.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing Herianto,S.Pd.,M.T.
Uncontrolled Keywords:	DDoS, Deteksi Serangan, Pembelajaran Mesin, Keamanan Siber.
Subjects:	000 Generalities/Karya Umum > 004.65 Computer Communications Networks/Jaringan Komunikasi Komputer
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	06 Oct 2025 03:39
Last Modified:	06 Oct 2025 03:39
URI:	http://repository.unsada.ac.id/id/eprint/9045

Actions (login required)

View Item