Text
“ANALISIS KLASIFIKASI LALU LINTAS SERANGAN MENGGUNAKAN METODE CNN PADA HONEYPOT SERVER”.
- Bagikan:
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.
Detail Information
| Item Type |
Skripsi (S1)
|
|---|---|
| Penulis |
Rostianna Br Sinuraya - Personal Name
|
| Student ID |
221510040
|
| Dosen Pembimbing |
Naikson F. Saragih, ST., M.Kom., - - Dosen Pembimbing 1
Mufria J. Purba, S.Kom., M.kom - - Dosen Pembimbing 2 |
| Penguji |
Fati G. N. Larosa ST., S.Kom., M.Kom - - Ketua Penguji
|
| Kode Prodi PDDIKTI |
57401
|
| Edisi |
Published
|
| Departement | |
| Kontributor | |
| Bahasa |
Indonesia
|
| Penerbit | Universitas Methodist Indonesia : Medan., 2025 |
| Edisi |
Published
|
| Subyek | |
| No Panggil | |
| Copyright |
Fakultas Ilmu Komputer Universitas Methodist Indonesia
|
| Doi |