PERPUSTAKAAN UNIVERSITAS TRILOGI

  • Beranda
  • E-Library
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • E-Resources
    Trilogi Free Journal Perpustakaan Nasional
      E-Resources Perpusnas Indonesia OneSearch
    Gale
      Business & Economic Science & Engineering Social & Humanities
  • Area Member
    Masuk Form Pengunjung
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Model deteksi serangan DDoS pada jaringan komputer berbasis machine learning dengan metode random forest

Text

Model deteksi serangan DDoS pada jaringan komputer berbasis machine learning dengan metode random forest

Muhammad Farid Ali Wahyudin - Nama Orang - Pengarang Utama; Yaddarabullah - Nama Orang - Pembimbing; Dewi Lestari - Nama Orang - Pembimbing;

Salah satu serangan siber yang marak terjadi pada saat ini yaitu Distributed Denial of Service (DDoS). Serangan DDoS ini sendiri sudah digunakan oleh para penjahat siber selama lebih dari 20 tahun, namun baru baru ini frekuensi penyerengannya makin meningkat, menurut laporan Lahormann, jumlah serangan DDoS meningkat sebesar 203% pada bulan pertama di tahun 2022, dibandingkan dengan periode yang sama enam bulan pertama di tahun 2021. Saat ini, banyak jaringan masih bergantung pada analisis manual untuk mendeteksi aktivitas mencurigakan dengan bantuan IDS (Intrusion Detection System) dan IPS (Intrusion Prevention System). Metode ini melibatkan pengkajian detail dari log transaksi dan aktivitas jaringan. Meskipun efektif dalam beberapa kasus, analisis manual membutuhkan waktu yang lama dan ketelitian tinggi, yang tidak praktis untuk lingkungan jaringan besar dan kompleks. Penelitian ini bertujuan untuk mengembangkan model deteksi serangan DDoS yang akurat pada jaringan komputer menggunakan metode Machine Learning dengan algoritma Random Forest. Melalui analisis data dari dataset CICDDoS2019 khususnya jenis serangan UDP (User Datagram Protocol) flooding. Berdasarkan hasil evaluasi, model deteksi serangan DDoS berbasis Forest menunjukkan efektivitas yang sangat tinggi, terutama dalam mengidentifikasi serangan DrDoS_UDP. Dengan akurasi mencapai 99.99%, precision sebesar 98.86%, dan recall 97.36%, model ini mampu membedakan dengan tepat antara data benign dan data serangan. Hasil cross-validation juga menunjukkan konsistensi performa model, dengan akurasi rata-rata 99.96% dan variansi yang sangat kecil. Model ini berhasil mendeteksi serangan dengan presisi dan keseimbangan yang baik, dibuktikan dengan nilai Fl- Score tinggi sebesar 98.10%, serta performa unggul dalam mendeteksi kelas DrDoS UDP dan BENIGN.


Ketersediaan
TI24/048TI 24/048Prodi Teknik Informatika (Ruang Skripsi dan Tesis)Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
TI 24/048
Penerbit
Jakarta : Universitas Trilogi., 2024
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
TI
Tipe Isi
text
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
Information technology
Trilogi University--Information technology
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Muhammad Farid Ali Wahyudin
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

PERPUSTAKAAN UNIVERSITAS TRILOGI
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan UNIVERSITAS TRILOGI merupakan Pusat Informasi dan sumber belajar yang mempunyai fungsi utamanya adalah menunjang pelaksanaan Tridharma Perguruan Tinggi yang meliputi pendidikan, penelitian dan pengabdian masyarakat. 

1. Membantu terlaksananya pendidikan dan pengajaran yang menuju suatu keahlian professional 

2. Menyediakan koleksi yang memadai demi terlaksananya penelitian terapan 

3. Menjadikan koleksinya sebagai penunjang pelaksanaan pengabdian kepada masyarakat.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik