Notice: Undefined index: item_type_code in /var/www/html/pustaka/repository/lib/detail.inc.php on line 462
Rostianna Br Sinuraya Pengarang Naikson F. Saragih, ST., M.Kom., Dosen Pembimbing 1 Mufria J. Purba, S.Kom., M.kom Dosen Pembimbing 2 Fati G. N. Larosa ST., S.Kom., M.Kom Ketua Penguji

ABSTRAK Keamanan jaringan menjadi aspek penting dalam menghadapi meningkatnya variasi dan intensitas serangan siber. Pada penelitian ini, pyhoneypot digunakan untuk menangkap aktivitas serangan seperti TCP Flood, UDP Flood, dan Port Scanning yang diarahkan oleh attacker ke Virtual Private Server (VPS). Seluruh paket serangan yang diterima honeypot dicatat dalam bentuk log, kemudian diekstraksi dan diubah menjadi dataset terstruktur untuk proses klasifikasi. Metode yang digunakan adalah Convolutional Neural Network (CNN), yang memiliki kemampuan untuk mengenali pola lalu lintas jaringan secara otomatis melalui proses ekstraksi fitur yang dilakukan oleh lapisan konvolusi. Model CNN dilatih menggunakan parameter batch size dan epoch yang disesuaikan untuk memperoleh performa terbaik dalam mendeteksi berbagai jenis serangan. Arsitektur model terdiri dari beberapa lapisan Conv1D, MaxPooling1D, Dropout, Flatten, dan Dense, yang seluruhnya dapat dilatih. Evaluasi hasil klasifikasi dilakukan dengan menggunakan confusion matrix untuk mengukur akurasi dan efektivitas model. Data latih dan data uji dibagi ke dalam beberapa skenario, dan model dilatih menggunakan parameter batch size 128 dan epoch 20. Hasil evaluasi menunjukkan bahwa model CNN mampu mencapai akurasi sebesar 99,98%, dengan nilai presisi, recall, dan F1-score pada setiap kelas tergolong baik. Kata Kunci: Convolutional Neural Network, Deep Learning, Batch Size, Epoch, Klasifikasi, Confusion Matriks, pyhoneypot.