Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

Deteksi Intrusi Untuk Klasifikasi Serangan Jaringan Dengan Penerapan Algoritma Convolutional Neural Network

View through CrossRef
Abstrak- Setelah era COVID-19 dari tahun 2020 hingga tahun 2022, penggunaan internet meningkat pesat karena banyak orang harus bekerja dan beraktivitas di rumah. Besar jumlah informasi yang ditukar melalui media digital dan disimpan di Cloud menjadi hal yang umum dalam kehidupan sehari-hari. Namun, tanpa disadari, adanya ancaman kejahatan siber yang dapat mengancam keamanan jaringan internet tersebut. Oleh karena itu, pengamanan pada jaringan internet menjadi sangat penting. Sistem Deteksi Intrusi telah menjadi solusi populer untuk menjaga keamanan pada lalu lintas jaringan. Banyak penelitian terdahulu telah menggunakan pendekatan berbasis Machine Learning dan Deep Learning untuk deteksi intrusi. Saat ini, deteksi intrusi berbasis Deep Learning menunjukkan keunggulan dibandingkan dengan deteksi intrusi berbasis Machine Learning. Ini disebabkan oleh hasil tingkat akurasi yang lebih baik dan efisiensi mendeteksi serangan. Penelitian ini berfokus pada pengembangan model deteksi intrusi berbasis Convolutional Neural Network yang kemudian akan dibandingkan dengan model Random Forest, Random Tree, Naïve Beyes dan J48 . Evaluasi dilakukan dengan menggunakan sejumlah metrik  kinerja model yaitu Accuracy, presisi, recall, f1-score. Penelitian ini menghasilkan model yang efektif dalam mendeteksi serangan jaringan. Hasil penelitian ini diharapkan akan memberikan kontribusi positif dalam meningkatkan kemampuan deteksi intrusi dari serangan ancaman siber dengan lebih baik di era digital yang semakin kompleks.
Title: Deteksi Intrusi Untuk Klasifikasi Serangan Jaringan Dengan Penerapan Algoritma Convolutional Neural Network
Description:
Abstrak- Setelah era COVID-19 dari tahun 2020 hingga tahun 2022, penggunaan internet meningkat pesat karena banyak orang harus bekerja dan beraktivitas di rumah.
Besar jumlah informasi yang ditukar melalui media digital dan disimpan di Cloud menjadi hal yang umum dalam kehidupan sehari-hari.
Namun, tanpa disadari, adanya ancaman kejahatan siber yang dapat mengancam keamanan jaringan internet tersebut.
Oleh karena itu, pengamanan pada jaringan internet menjadi sangat penting.
Sistem Deteksi Intrusi telah menjadi solusi populer untuk menjaga keamanan pada lalu lintas jaringan.
Banyak penelitian terdahulu telah menggunakan pendekatan berbasis Machine Learning dan Deep Learning untuk deteksi intrusi.
Saat ini, deteksi intrusi berbasis Deep Learning menunjukkan keunggulan dibandingkan dengan deteksi intrusi berbasis Machine Learning.
Ini disebabkan oleh hasil tingkat akurasi yang lebih baik dan efisiensi mendeteksi serangan.
Penelitian ini berfokus pada pengembangan model deteksi intrusi berbasis Convolutional Neural Network yang kemudian akan dibandingkan dengan model Random Forest, Random Tree, Naïve Beyes dan J48 .
Evaluasi dilakukan dengan menggunakan sejumlah metrik  kinerja model yaitu Accuracy, presisi, recall, f1-score.
Penelitian ini menghasilkan model yang efektif dalam mendeteksi serangan jaringan.
Hasil penelitian ini diharapkan akan memberikan kontribusi positif dalam meningkatkan kemampuan deteksi intrusi dari serangan ancaman siber dengan lebih baik di era digital yang semakin kompleks.

Related Results

Distribusi Spasial dan Ketebalan Hutan Mangrove terhadap Intrusi Air Laut di Kecamatan Cilacap Tengah
Distribusi Spasial dan Ketebalan Hutan Mangrove terhadap Intrusi Air Laut di Kecamatan Cilacap Tengah
Intrusi air laut merupakan salah satu masalah utama yang umum terjadi di wilayah pesisir. Kecamatan Cilacap Tengah merupakan salah satu kecamatan di pesisir selatan Jawa yang didug...
Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoS
Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoS
Serangan jaringan terdistribusi yang disebut juga dengan distributed denial of service (DDoS) merupakan ancaman dan masalah utama keamanan internet. DDoS adalah serangan pada jarin...
Evaluasi Kinerja Algoritma Deep Learning Untuk Deteksi Dini Serangan Siber Pada Jaringan Komputer
Evaluasi Kinerja Algoritma Deep Learning Untuk Deteksi Dini Serangan Siber Pada Jaringan Komputer
Perkembangan serangan siber yang semakin kompleks dan dinamis menuntut penerapan sistem deteksi intrusi yang mampu melakukan deteksi dini dengan akurasi tinggi. Penelitian ini bert...
IMPLEMENTASI METODE NAIVE BAYES UNTUK INTRUSION DETECTION SYSTEM (IDS)
IMPLEMENTASI METODE NAIVE BAYES UNTUK INTRUSION DETECTION SYSTEM (IDS)
IDS berfungsi untuk mengidentifikasi traffic atau lalu-lintas data pada sebuah jaringan komputer dimana IDS dapat menentukan apakah traffic aman, mencurigakan atau bahkan terindika...
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature  Review Anna Tri Wahyuni1), Masfuri2),  Liya Arista3)1,2,3 Fakultas Ilmu Keperawatan Univers...
DETEKSI SERANGAN LOW RATE DDOS PADA JARINGAN TRADISIONAL MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA DECISION TREE
DETEKSI SERANGAN LOW RATE DDOS PADA JARINGAN TRADISIONAL MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA DECISION TREE
Decision tree adalah salah satu metode yang sering digunakan dalam data mining dan machine learning untuk memprediksi hasil atau mengambil keputusan berdasarkan input yang diberika...
Deteksi Serangan pada Jaringan IoT Menggunakan Seleksi Fitur Gabungan dan Optimasi Bayesian
Deteksi Serangan pada Jaringan IoT Menggunakan Seleksi Fitur Gabungan dan Optimasi Bayesian
Deteksi serangan berbasis machine learning (ML) berpotensi menjadi alternatif terbaik dalam penanganan ancaman siber pada jaringan internet of things (IoT). Metode ini memiliki kem...
Penggunaan Random Forest dan Analisis Perilaku untuk Prediksi Serangan DDoS dalam Lingkungan Cloud Computing
Penggunaan Random Forest dan Analisis Perilaku untuk Prediksi Serangan DDoS dalam Lingkungan Cloud Computing
Dalam dunia komputasi awan yang semakin berkembang, ancaman serangan Distributed Denial of Service (DDoS) menjadi isu yang sangat krusial. Penelitian ini bertujuan untuk mengembang...

Back to Top