PERBANDINGAN ALGORITMA RANDOM FOREST, NAIVE BAYES DAN J48 PADA DATASET ANOMALY NETWORK TRAFFIC (ALLDAYS DDOS)

Pratama, Irfan (2022) PERBANDINGAN ALGORITMA RANDOM FOREST, NAIVE BAYES DAN J48 PADA DATASET ANOMALY NETWORK TRAFFIC (ALLDAYS DDOS). Sarjana thesis, Universitas Siliwangi.

[img] Text
1. COVER.pdf
Download (25kB)
[img] Text
2. LEMBAR PENGESAHAN PEMBIMBING.pdf
Download (707kB)
[img] Text
3. LEMBAR PENGESAHAN PENGUJI.pdf
Download (691kB)
[img] Text
4. LEMBAR PERNYATAAN KEASLIAN.pdf
Download (650kB)
[img] Text
5. ABSTRAK.pdf
Download (31kB)
[img] Text
6. ABSTRACT.pdf
Download (30kB)
[img] Text
7. KATA PENGANTAR.pdf
Download (89kB)
[img] Text
8. DAFTAR ISI.pdf
Download (15kB)
[img] Text
10. DAFTAR GAMBAR.pdf
Download (31kB)
[img] Text
9. DAFTAR TABEL.pdf
Download (17kB)
[img] Text
11. DAFTAR LAMPIRAN.pdf
Download (27kB)
[img] Text
12. BAB I.pdf
Download (106kB)
[img] Text
13. BAB II.pdf
Download (229kB)
[img] Text
14. BAB III.pdf
Download (116kB)
[img] Text
15. BAB IV.pdf
Restricted to Repository staff only
Download (653kB)
[img] Text
16. BAB V.pdf
Restricted to Repository staff only
Download (33kB)
[img] Text
17. DAFTAR PUSTAKA.pdf
Download (153kB)

Abstract

ABSTRAK Machine Learning digunakan untuk membangun Intrucion Detection System (IDS) yang berfungsi mendeteksi dan mengklasifikasikan serangan secara otomatis terhadap jaringan lalu lintas serangan jahat terus berubah dan terjadi dalam skala besar sehingga menimbulkan banyak tantangan yang membutuhkan solusi terukur. Penelitian sebelumnya dilakukan perbandingan algoritma dengan parameter accuracy, precision dan recall sebagai hasilnya, maka dari itu penelitian yang dilakukan adalah mencari tingkat accuracy, precision, recall, specificity, sensitivity dan error rate dalam mendeteksi lalu lintas jaringan yang bersifat anomaly menggunakan algoritma Random Forest, Naive Bayes dan J48. Proses pencarian nilai dilakukan dua kali pengujian dengan percentage split 80% dan 90%. Pengujian percentage split 80% didapatkan hasil untuk algoritma Random Forest nilai accuracy 99,88%, precision 95,69%, recall 92,15%, specificity 98,61%, sensitivity 92,15% dan error rate 0,12%. Algoritma Naive Bayes mendapatkan nilai accuracy 81,58%, precision 44,27%, recall 75,17%, specificity 90,24%, sensitivity 75,17% dan error rate 18,42%. Algoritma J48 mendapatkan nilai accuracy 99,88%, precision 98,62%, recall 88,54%, specificity 97,72%, sensitivity 88,54% dan error rate 0,12%. Pengujian percentage split 90% didapatkan hasil untuk algoritma Random Forest nilai accuracy 99,84%, precision 93,29%, recall 83,31%, specificity 98,05%, sensitivity 83,31% dan error rate 0,16%. Algoritma Naive Bayes mendapatkan nilai accuracy 81,00%, precision 47,73%, recall 65,40%, specificity 90,45%, sensitivity 65,40% dan error rate 19,00%. Algoritma J48 mendapatkan nilai accuracy 99,80%, precision 83,31%, recall 83,29%, specificity 98,87%, sensitivity 83,29% dan error rate 0,20%. Disimpulkan hasil dari pengujian percentage split 80% dan 90% bahwa algoritma Random Forest lebih baik dalam mendeteksi lalu lintas jaringan yang bersifat anomaly dengan nilai accuracy, precision, recall, specificity dan sensitivity lebih tinggi dibandingkan algoritma Naive Bayes dan J48, tetapi nilai error rate yang lebih baik didapatkan algoritma Naive Bayes. Kata Kunci : J48, Naive Bayes, Random Forest

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Lelis Masridah
Date Deposited: 16 Feb 2023 02:22
Last Modified: 16 Feb 2023 02:22
URI: http://repositori.unsil.ac.id/id/eprint/8634

Actions (login required)

View Item View Item