PENGOLAHAN DATA TRAFFIC PADA PERANGKAT INTERNET OF THINGS DENGAN MENGGUNAKAN ALGORITMA RANDOM FOREST

Pamela, Sugih (2019) PENGOLAHAN DATA TRAFFIC PADA PERANGKAT INTERNET OF THINGS DENGAN MENGGUNAKAN ALGORITMA RANDOM FOREST. Sarjana thesis, Universitas Siliwangi.

[img] Text
1 - COVER.pdf

Download (57kB)
[img] Text
6 - ABSTRAK.pdf

Download (26kB)
[img] Text
8 - KATA PENGANTAR.pdf

Download (67kB)
[img] Text
9 - DAFTAR ISI.pdf

Download (32kB)
[img] Text
BAB I PENDAHULUAN.pdf

Download (194kB)
[img] Text
BAB II LANDASAN TEORI.pdf

Download (563kB)
[img] Text
BAB III METODOLOGI PENELITIAN.pdf

Download (118kB)
[img] Text
BAB IV HASIL DAN PEMBAHASAN.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB V KESIMPULAN DAN SARAN.pdf
Restricted to Registered users only

Download (76kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (87kB)

Abstract

Penelitian ini mengusulkan teknik klasifikasi untuk mendeteksi serangan malware Mirai pada arsitektur perangkat Internet of Things. Hackers menargetkan Internet of Things untuk dijadikan objek serangan, oleh karena itu diperlukan metode deteksi untuk melindungi perangkat dari serangan hackers. Proses deteksi Malware Mirai dilakukan menggunakan pembelajaran tanpa pengawasan dengan deteksi anomali. Pengujian dilakukan sebanyak 5 skenario menggunakan berbagai jenis serangan dan jenis perangkat untuk menemukan kinerja yang optimal dari metode yang diusulkan. Jumlah data uji diseimbangkan terlebih dahulu dengan pengambilan sampel dan fitur pada dataset diseleksi menggunakan kriteria Gini index, untuk menghasilkan nilai optimal sebelum melakukan proses pemodelan. Hasil percobaan menunjukkan algoritma Random Forest mencapai kinerja optimal dengan nilai rata-rata akurasi sebesar 95,01%, recall sebesar 90,82%, F-Measure sebesar 93,85% dan precision sebesar 99,23%. Algoritma Random Forest cocok untuk memproses data yang sangat besar. Kontribusi dari penelitian ini adalah model yang diusulkan untuk klasifikasi jenis serangan dan deteksi malware Mirai. Kata Kunci: Algoritma Random Forest, Deteksi Anomali, Internet of Things, Machine Learning, Malware Mirai

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Lelis Masridah
Date Deposited: 09 Aug 2019 08:44
Last Modified: 13 Aug 2019 08:10
URI: http://repositori.unsil.ac.id/id/eprint/246

Actions (login required)

View Item View Item