<![CDATA[Peniruan router nirkabel merupakan ancaman keamanan yang signifikan dalam jaringan, yang dapat menyebabkan akses tidak sah dan pencurian data. Untuk mengatasi masalah ini, penelitian ini mengembangkan sebuah sistem deteksi berbasis Machine Learning yang terintegrasi untuk mendeteksi upaya peniruan router secara real-time. Selain itu, sistem ini dirancang untuk mengoptimalkan kualitas layanan (QoS) jaringan, sehingga tidak hanya mampu mendeteksi ancaman dengan akurasi tinggi tetapi juga mempertahankan kinerja jaringan yang stabil dan efisien. Hasil uji menunjukkan bahwa sistem ini efektif dalam mendeteksi peniruan sekaligus menjaga QoS pada tingkat yang optimal, menjadikannya solusi yang andal untuk meningkatkan keamanan jaringan tanpa mengorbankan kinerja. Pengujian lebih lanjut menunjukkan bahwa model ini berhasil mendeteksi peniruan dengan akurasi hingga 98.85%, sambil menjaga performa jaringan dengan throughput rata-rata 10240.78 bits/detik, delay 0.22 detik, dan tanpa packet loss. Sistem ini membuktikan bahwa integrasi pembelajaran mesin dengan optimasi QoS dapat meningkatkan keamanan jaringan nirkabel secara efektif. Kata kunci: Deteksi ancaman, Keamanan jaringan, Machine Learning, Optimasi QoS, Peniruan router nirkabel.]]>
Copyrights © 2024
