Perancangan Machine Learning Sistem Deteksi Intrusi Pada Sistem Kontrol Industri Dengan Model Neural Network

Dzakalaksana, Mochammad Haidar (2022) Perancangan Machine Learning Sistem Deteksi Intrusi Pada Sistem Kontrol Industri Dengan Model Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
02311740000116-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 April 2024.

Download (4MB) | Request a copy

Abstract

Sistem kontrol industri adalah istilah umum yang mencakup beberapa jenis sistem kontrol dan komponen terikat yang digunakan untuk kontrol proses industri. Dengan peningkatannya integrasi dengan computer, sistem kontrol industri menjadi lebih terbuka. Oleh karena itu, penulis merancang sebuah machine learning sistem deteksi intrusi ini agar dapat mendeteksi serangan masuk pada sistem kontrol industri. Pada tugas akhir ini mengimplementasikan algoritma binary classification dalam merancang sebuah sistem deteksi intrusi dengan python sebagai software pendukungnya. Dataset yang diambil berasal dari dataset power system attacks di Missisipi State University. Pembuatan model machine learning menggunakan multi layer perceptron dengan algoritma pembelajaran backpropagation. Hasil dari tugas akhir ini dapat menerapkan neural networks sebagai cara untuk mendeteksi serangan sebuah serangan. Setelah dilakukan pelatihan dengan variasi 5 hidden layer didapatkan nilai keakuratan terbesar sebesar 72,3 %. Dengan nilai rata-rata precision sebesar 0,71, recall sebesar 0,72, dan f1-score sebesar 0,60. ================================================================================================ Sistem kontrol industri adalah istilah umum yang mencakup beberapa jenis sistem kontrol dan komponen terikat yang digunakan untuk kontrol proses industri. Dengan peningkatannya integrasi dengan computer, sistem kontrol industri menjadi lebih terbuka. Oleh karena itu, penulis merancang sebuah machine learning sistem deteksi intrusi ini agar dapat mendeteksi serangan masuk pada sistem kontrol industri. Pada tugas akhir ini mengimplementasikan algoritma binary classification dalam merancang sebuah sistem deteksi intrusi dengan python sebagai software pendukungnya. Dataset yang diambil berasal dari dataset power system attacks di Missisipi State University. Pembuatan model machine learning menggunakan multi layer perceptron dengan algoritma pembelajaran backpropagation. Hasil dari tugas akhir ini dapat menerapkan neural networks sebagai cara untuk mendeteksi serangan sebuah serangan. Setelah dilakukan pelatihan dengan variasi 5 hidden layer didapatkan nilai keakuratan terbesar sebesar 72,3 %. Dengan nilai rata-rata precision sebesar 0,71, recall sebesar 0,72, dan f1-score sebesar 0,60.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Sistem kontrol industri, sistem deteksi intrusi, machine learning, binary classification, multi layer perceptron, backpropagation, neural networks, Industrial control systems, intrusion detection systems, machine learning, binary classification, multi layer perceptron, backpropagation,
Subjects: Q Science > Q Science (General) > Q325.5 Machine learning.
Divisions: Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User: Mochammad Haidar Dzakalaksana
Date Deposited: 22 Feb 2022 01:55
Last Modified: 22 Feb 2022 01:55
URI: https://repository.its.ac.id/id/eprint/94684

Actions (login required)

View Item View Item