Isnaini Syarifatun Nisa, - and Alfirna Rizqi Lahitani, - (2024) Implementasi Data Mining Menggunakan Algoritma C4.5 Untuk Klasifikasi Serangan Pada Intrusion Detection System (IDS). Diploma thesis, Universitas Jenderal Achmad Yani Yogyakarta.
Judul_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Download (390kB)
Abstrak_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Download (11kB)
BAB I_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Download (12kB)
BAB II_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Restricted to Registered users only
Download (186kB)
BAB III_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Download (101kB)
BAB IV_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Download (648kB)
BAB V_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Download (6kB)
Daftar Pustaka_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Download (77kB)
Lampiran_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Restricted to Registered users only
Download (273kB)
Plagiarisme_202104003_Isnaini Syarifatun Nisa_S1 Teknologi Informasi.pdf
Download (122kB)
Abstract
Latar Belakang: Intrusion Detection System (IDS) merupakan komponen penting dalam keamanan jaringan komputer, yang berfungsi untuk mengidentifikasi dan merespon ancaman atau serangan yang terjadi. Seiring dengan meningkatnya kompleksitas serangan siber, metode deteksi tradisional seringkali kurang mampu menghadapi volume data yang besar dan variasi serangan yang terus berkembang. Serangan siber yang tidak terdeteksi dapat menyebabkan kerugian besar bagi
organisasi, baik dari segi finansial maupun reputasi. Oleh karena itu, diperlukan pendekatan yang lebih efektif untuk mengklasifikasikan dan mendeteksi serangan dengan lebih akurat.
Tujuan: Penelitian ini bertujuan untuk mengimplementasikan data mining menggunakan algoritma C4.5 untuk klasifikasi serangan pada IDS.
Metode Penelitian: Metode yang digunakan pada penelitian ini yaitu klasifikasi dengan menggunakan algoritma C4.5 dan membuat pohon keputusan (decision tree) untuk menentukan tingkat akurasi dalam mengklasifikasikan serangan.
Hasil: Hasil dari penelitian ini menunjukkan bahwa algoritma C4.5 mampu menghasilkan model klasifikasi dengan tingkat akurasi yang tinggi yaitu sebesar 99% dengan jumlah data uji sebanyak 125.973 data. Model ini dapat mengidentifikasi dan mengklasifikasikan serangan dengan efektif, sehingga dapat
meningkatkan performa dan efisiensi IDS dalam mendeteksi ancaman. Implementasi data mining menggunakan algoritma C4.5 ini diharapkan dapat menjadi solusi yang handal untuk meningkatkan keamanan jaringan komputer dari serangan yang semakin kompleks dan canggih.
Kesimpulan: Dari pohon keputusan (decision tree) yang terbentuk, informasi tentang komponen utama yang memengaruhi jenis serangan terdapat pada atribut flag dengan nilai gain tertinggi sebesar 0,516. Jenis serangan yang termasuk anomali atau tidak pada dataset ini bisa diketahui dengan menggunakan seleksi 3 fitur yang saling berhubungan yaitu: protocol_type, service, dan flag.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | Q Science > QA Mathematics > QA76 Computer software (Information System) |
| Divisions: | Faculty of Engineering, Science, Computer, and Mathematics > School of Electronics and Computer Science |
| Depositing User: | Mrs Tiara DP |
| Date Deposited: | 03 Oct 2025 03:12 |
| Last Modified: | 03 Oct 2025 03:12 |
| URI: | https:///id/eprint/3750 |
