Gosal, Yohanes A Crux Gosal (2020) Algoritma Hybrid Differential Evolution - Support Vector Machine (DE-SVM) Untuk Sistem Deteksi Intrusi Jaringan. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06111640000001-Undergraduate_Thesis.pdf Download (1MB) | Preview |
Abstract
Banyak data penting yang disimpan dalam komputer. Sehingga,
perlu suatu sistem untuk mendeteksi intrusi (aktivitas yang tidak diinginkan atau tanpa ijin) pada jaringan komputer. Seiring dengan berkembangnya teknologi, tipe dan cara serangan siber pun berkembang. Banyak peneliti mengusulkan berbagai teknik dengan menggunakan pembelajaran mesin dan kecerdasan buatan untuk membangun suatu sistem deteksi intrusi. Selain itu, deep learning juga sudah mulai digunakan untuk membangun sistem deteksi intrusi. Tujuan dari penelitian ini adalah untuk mengevaluasi kemampuan sistem deteksi intrusi berbasis support vector machine (SVM) yang sudah dioptimasi dengan differential evolution (DE). Model SVM tanpa penyetelan parameter, model hibrida PSO-SVM dan juga model deep convolutional neural network (DCNN) digunakan sebagai pembanding. Semua model ini dilatih dan diuji dengan data latih dan uji dari dataset NSL-KDD. Setiap model yang digunakan dievaluasi dengan menggunakan nilai akurasi klasifikasi pada data uji. Dari hasil eksperimen, disimpulkan bahwa model hibrida DE-SVM mampu memberikan hasil lebih baik dari model SVM.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSMa 518.1 Gos a-1 |
| Uncontrolled Keywords: | support vector machine, differential evolution, intrusion detection, support vector machine, differential evolution, deteksi intrusi. |
| Subjects: | Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.9.A25 Computer security. Digital forensic. Data encryption (Computer science) |
| Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis |
| Depositing User: | Yohanes A Crux Gosal |
| Date Deposited: | 27 Aug 2020 03:11 |
| Last Modified: | 07 Jul 2023 15:50 |
| URI: | http://repository.its.ac.id/id/eprint/80474 |
Actions (login required)
 |
View Item |