Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Economic, Bussines and Accounting (COSTING)
Benfano Soewito
Binus University
Economics, Econometrics & Finance

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

Found 1 Documents
Search

 1 
DETEKSI AKURASI FALSE POSITIVE PADA SISTEM DETEKSI INTRUSI MENGGUNAKAN KNN (K NEAREST NEIGHBOR) Ricky Putra Nugraha; Benfano Soewito
Journal of Economic, Bussines and Accounting (COSTING) Vol 7 No 5 (2024): Journal of Economic, Bussines and Accounting (COSTING)
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/costing.v7i5.12297

Abstract

Pada saat ini terdapat banyak serangan yang menyebabkan serangan atau malware kepada korban pada komputer, server, jaringan, dll. Untuk mencegah semua ini, diperlukan sistem yang dapat mencegah atau mendeteksi jika serangan seperti itu terjadi dengan nama intrusion detection system (IDS). IDS dapat mendeteksi serangan atau malware yang dikenali atau tidak dikenali. Namun, salah satu masalah dalam mengimplementasikan intrusion detection system adalah false positive. False positive dapat sangat berbahaya jika tidak ditangani dengan baik karena dapat memungkinkan serangan terjadi tanpa terdeteksi. Oleh karena itu, dalam penelitian ini, penulis untuk mengurangi false positive menggunakan machine learning serta membandingkan performa machine learning KNN dengan KNN Genetika Algoritma untuk menentukan algoritma mana yang terbaik. Dalam penelitian ini, peneliti menggunakan beberapa tahap untuk meningkatkan kualitas data dan tingkat akurasi yang diperoleh, seperti: penanganan Missing Value, Transformasi Data, Normalisasi Data dan perhitungan Euclidean Distance.
Co-Authors Ricky Putra Nugraha