Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Mathematics and Natural Sciences
Muhammad Iqbal Yoshanda
Universitas Negeri Semarang, Indonesia
Mathematics

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

Found 1 Documents
Search

 1 
Penerapan Model Hibrida CNN-GRU-BiLSTM-PCA Untuk Meningkatkan Akurasi Deteksi Serangan Jaringan Pada Intrusion Detection System Muhammad Iqbal Yoshanda; Alamsyah Alamsyah
Indonesian Journal of Mathematics and Natural Sciences Vol 46, No 2 (2023): October 2023
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ijmns.v46i2.48204

Abstract

Intrusion detection system merupakan teknik pertahanan yang populer terhadap serangan siber. Berdasarkan metode pendeteksiannya dapat dibedakan menjadi signatured-based dan anomaly-based. Kedua metode tersebut memiliki kelemahan masing-masing, signatured-based memerlukan pemeliharaan database yang mencatat perilaku abnormal yang mahal, memakan waktu dan tidak dapat secara efektif menemukan serangan yang muncul untuk pertama kalinya. Sementara anomaly-based sulit mendapatkan data benchmark yang akurat, tingkat false alarm yang lebih tinggi, dan keterlambatan data benchmark. Pada penelitian ini, dilakukan penerapan model hibrida untuk meningkatkan akurasi deteksi yaitu metode Convolutional Neural Network (CNN) untuk mengekstrak fitur dari dataset, Gated Recurrent Unit (GRU) dan Bidirectional Long Short-Term Memory (BiLSTM) untuk memproses dan memahami informasi lalu lintas jaringan dalam dataset, serta metode Principal Component Analysis (PCA) untuk mereduksi dimensi data. Model hibrida CNN-GRU-BILSTM-PCA berhasil mendapatkan nilai akurasi sebesar 98,34% dan loss sebesar 0,048%. Model hibrida ini merupakan model terbaik di antara model-model penelitian sebelumnya
Co-Authors Alamsyah Alamsyah