NALDI NURHADI (2017) APLIKASI INTELLIGENCE INTRUSION DETECTION SYSTEM(IIDS)DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR UNTUK MENDETEKSI SERANGAN PADA JARINGAN. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER.pdf Download (136kB) | Preview |
|
|
Text
2. PENGESAHAN.pdf Download (623kB) | Preview |
|
|
Text
3. ABSTRAK.pdf Download (94kB) | Preview |
|
|
Text
4. KATA PENGANTAR.pdf Download (206kB) | Preview |
|
|
Text
5. DAFTAR ISI.pdf Download (178kB) | Preview |
|
|
Text
6. BAB I.pdf Download (181kB) | Preview |
|
|
Text
7. BAB II.pdf Download (455kB) | Preview |
|
|
Text
8. BAB III.pdf Download (280kB) | Preview |
|
|
Text
9. BAB IV.pdf Download (1MB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V.pdf Restricted to Repository staff only Download (711kB) |
|
|
Text
11. BAB VI.pdf Download (172kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA.pdf Download (222kB) | Preview |
Abstract
Pengguna internetyang terus meningkat telah mendorong perkembangan infrastruktur jaringan dari tahun 2013 sebanyak 36,709PBdan tahun 2014 sebanyak 47,176 PB. Meningkatnya perkembangan internet tidak terlepas dari serangan seperti malware infection. Serangan malware infection dari tahun 2009-2010 mencapai 64% sampai 67%. Bentuk-bentuk serangan malware infaction harus diwaspadai karena dapat merusak data. Untuk mencegah dari serangan dapatmenggunakan aplikasi yang telah disurvey seperti antivirus, software, firewall, intrusion detection system(IDS)(CSI/FBI pada tahun 2008). Pada survey CSI/FBI aplikasi IDS telah diimplementasikan sebesar 62,4%. Aplikasi IDS dapat dikembangkan dengan machinelearning based yang dikenal dengan Intelligence Intrusion Detection System (IIDS).Pada penelitian ini dibuat IIDS dengan metode KNN(k-Nearest Neighbor). Algoritmak-Nearest Neighborpada penelitian ini untuk mengklasifikasikan serangan pada jaringan. Pengujian sistem klasifikasi serangan pada jaringan dilakukan dengan confusion matrix.Pengujian untukmengklasifikasikan serangan pada jaringan mendapatkan hasil yang baik. Nilai akurasi pengujian dari seluruh dataset yang digunakan yaitu mencapaik3= 80 %dank13=85 %.Kata Kunci:Algoritma, Confusion Matrix, Klasifikasi,K-Nearest Neighbour, Malwareinfaction
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 600 Teknologi dan Ilmu-ilmu Terapan |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 27 Aug 2019 02:47 |
| Last Modified: | 27 Aug 2019 02:47 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/18336 |
Actions (login required)
 |
View Item |