Notice: Undefined index: item_type_code in /var/www/html/pustaka/repository/lib/detail.inc.php on line 462
Obet Leon Siahaan Pengarang Jimmy F. Naibaho, S.T., M.Kom. Dosen Pembimbing 2 Indra M. Sarkis Simamora, ST., M.Kom. Penguji 1

ABSTRAK Sistem deteksi serangan DDoS pada umumnya dilakukan pada sebuah server kovensional (dedicated) menggunakan tools Snort dan juga dengan berbagai pendekatan termasuk menggunakan Artificial Intelligence Deep Learning. Saat ini banyak perusahaan yang sudah menggunakan layanan Virtual Private Server sebagai pengganti servernya sehingga dibutuhkan riset terkait analisis dan implementasi deteksi serangan DDoS pada sebuah Virtual Private Server. Dengan Metode CNN dataset yang digunakan bersumber dari uji coba beberapa varian serangan DDoS pada Virtual Private Server selama 30 menit menggunakan tools Loic data serangan dicapture menggunakan Wireshark sebanyak 39920 record yang selanjutnya diekstraksi dengan menggunakan CICFlowMeter 4.0, Hasil ekstraksi dataset sebanyak 38726 baris data. Pada python proses dilanjutkan dengan melakukan pembersihan data (pre-processing) didapatkan jumlah data menjadi 38704 dan normalisasi data dilakukan menggunakan min-max untuk mendapatkan nilai seluruh data minimum sebesar 0 dan nilai maksimum sebesar 1. Dari dataset sebanyak 38704 data dibagi menjadi data training dan data testing dengan perbandingan 70 : 30. Diperoleh 27093 data untuk training dan 11611 data untuk testing. Pengujian prediksi dalam hal ini deteksi dilakukan menggunakan algoritma CNN 1-Dimensional dengan mengatur jumlah epoch 20 dan batch size 32 didapatkan hasil klasifikasi dengan tingkat akurasi menggunakan confusion matrix yaitu 99.673%. Selanjutnya menggunakan jumlah epoch 50 dan batch size 32 didapat peningkatan nilai akurasi yaitu sebesar 99.811%. Dari hasil tersebut dapat disimpulkan penggunaan model CNN yang dirancang dikategorikan sangat baik hampir mendekati nilai 100%. Kata kunci : Convolutional Neural Network, Deep-Learning, Batch Size, Epoch, Klasifikasi, Confusion Matrix.