Siti Fatimah, - (2022) Penerapan Metode Seleksi Fitur Gain Ratio dan Decision Tree C5.0 Untuk Klasifikasi Serangan Jaringan (Studi Kasus: Dataset NSL-KDD). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text File Lengkap Kecuali BAB IV dan BAB V.pdf Download (3MB) | Preview
	Text (BAB IV) BAB IV - BAB V.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Berdasarkan laporan tahunan Honeynet Project Tahun 2019, serangan siber di Indonesia meningkat 25% lebih banyak dari tahun sebelumnya. Peningkatan serangan jaringan komputer menyebabkan data yang harus dianalisis menjadi sangat besar. Pada penelitian dilakukan penelitian klasifikasi serangan jaringan menggunakan metode data mining, yaitu klasifikasi algoritma Decision Tree C5.0 dengan seleksi fitur Gain Ratio mengunakan dataset NSL-KDD. Total data yang digunakan dalam penelitian ini berjumlah 148.516 dan terdiri dari 41 atribut. Klasifikasi serangan dibagi kedalam 5 kelas yaitu Denial of Service (DoS), Remote to Local (R2L), User to Root (U2R), PROBE dan Normal. Penelitian ini menggunakan parameter uji penggunaan threshold 0,1 dengan 32 atribut, pengunaan threshold 0,2 dengan 15 atribut, dan pengunaan threshold 0,3 dengan 7 atribut. Dari pengujian yang dilakukan threshold 0,2 dengan 15 atribut mendapatkan hasil akurasi tertinggi yaitu 97,39%. Kata kunci: C5.0, Decision Tree, Gain Ratio, NSL-KDD, Seleksi Fitur.

Actions (login required)

View Item