Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Mercury Fluorida Fibrianda
Fakultas Ilmu Komputer, Universitas Brawijaya
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Perbandingan Akurasi Deteksi Serangan Pada Jaringan Komputer Dengan Metode Naive Bayes Dan Support Vector Machine (SVM) Mercury Fluorida Fibrianda; Adhitya Bhawiyuga
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 9 (2018): September 2018
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (678.949 KB)

Abstract

Serangan Denial of Service (DoS) merupakan suatu tindakan untuk melumpuhkan server komputer pada jaringan internet sehingga komputer tidak dapat menjalankan fungsinya dengan benar. Untuk melakukan pendeteksian atau pencegahan berbagai potensi serangan telah dikembangkan Intrusion Detection System (IDS). IDS memiliki dua metode dalam melakukan pendeteksian yaitu Rule Based (Signature Based) dan Behavior Based. Dalam penelitian ini digunakan metode behavior based dimana dalam proses kerjanya membutuhkan sebuah dataset dan metode. Metode yang dapat digunakan salah satunya adalah teknik klasifikasi data mining. Tetapi tidak semua algoritma data mining memiliki kinerja yang baik dalam mengklasifikasi jenis serangan. Oleh karena itu, penelitian ini melakukan perbandingan beberapa algoritma yaitu Naive Bayes, SVM Linear, SVM Polynomial, dan SVM Sigmoid. Dataset yang digunakan dalam penelitian ini adalah dataset dari ISCX2012 testbed tanggal 14 Juni 2012. Penelitian ini menganalisis perbandingan metode yang dihasilkan dari proses klasifikasi berdasarkan nilai akurasi confusion matrix, precision, recall, dan f1 score. Naive Bayes, SVM Linear, SVM Polynomial dan SVM Sigmoid menghasilkan persentase akurasi berturut-turut sebesar 85,055%, 99,995%, 99,999%, dan 99,995%. Persentase akurasi tertinggi diperoleh SVM Polynomial, sedangkan Naive Bayes menghasilkan persentase akurasi terendah.
Co-Authors Adhitya Bhawiyuga