NIKO ARIANTO (2018) PENERAPAN SELEKSI FITUR FAST CORRELATION BASED FILTER PADA METODE MODIFIED K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASI SERANGAN JARINGAN KOMPUTER MENGGUNAKAN DATASET KDD CUP 1999. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER_2018298TIF.pdf Download (140kB) | Preview
Preview	Text 2. PENGESAHAN_2018298TIF.pdf Download (213kB) | Preview
Preview	Text 3. ABSTRAK_2018298TIF.pdf Download (94kB) | Preview
Preview	Text 4. KATA PENGANTAR_2018298TIF.pdf Download (244kB) | Preview
Preview	Text 5. DAFTAR ISI_2018298TIF.pdf Download (170kB) | Preview
Preview	Text 6. BAB I_2018298TIF.pdf Download (112kB) | Preview
Preview	Text 7. BAB II_2018298TIF.pdf Download (539kB) | Preview
Preview	Text 8. BAB III_2018298TIF.pdf Download (172kB) | Preview
Preview	Text 9. BAB IV_2018298TIF.pdf Download (1MB) | Preview
	Text 10. BAB V_2018298TIF.pdf Restricted to Repository staff only Download (749kB)
Preview	Text 11. BAB VI_2018298TIF.pdf Download (93kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA_2018298TIF.pdf Download (216kB) | Preview

Abstract

Penggunaan perangkat lunak anti virus maupun firewall dapat membantu mencegah serangan terhadap suatu host. Namun mencegah serangan saja tidaklah cukup, terlebih bila host yang diserang merupakan suatu sistem atau server yang penting. Mengingat pentingnya masalah suatu serangan jaringan komputer, ada berbagai penelitian yang mencoba mengukur keadaaan tersebut. Berdasarkan penelitian penulis, penggunaan dataset KDD CUP 99 untuk dijadikan pengukuran basis penelitian, dan merupakan suatu kumpulan dari data record atau laporan intrusi serangan pada jaringan komputer yang dapat digunakan sebagai alat dan acuan data latih dan uji untuk mendeteksi ancaman serangan. Penelitian ini melakukan penggalian informasi berdasarkan pengujian pada 260 data sampel terhadap pengambilan data balance untuk mengklasifikasi ke 5 kelas yakni Normal, Denial of Service (DoS), User to Root (U2R), Remote to Local (R2L) dan Probe sebagai pembelajaran mesin suatu serangan jaringan komputer pada dataset KDD CUP 99. Dilakukan seleksi fitur dengan metode Fast Correlation Based Filter sebelum dilakukan tahapan klasifikasi metode Modified K-Nearest Neighbor yang digunakan. Hasilnya sistem yang dibangun memiliki tingkat akurasi sebesar 90,38% dengan perbandingan data latih dan data uji yaitu 80:20 dengan nilai k = 3.Kata kunci:Dataset KDD CUP 99, Denial of Service, Fast Correlation Based Filter, Modified K-Nearest Neighbor, Normal, Probe, Remote to Local dan Userto Root.

Actions (login required)

View Item