Peningkatan Akurasi Pendeteksian Serangan DDoS Menggunakan Multiclassifier Ensemble Learning dan Chi-Square

DWIKI BAYU SATMOKO

Informasi Umum

Kode

18.04.1832

Klasifikasi

005.8 - Data Security

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Security

Dilihat

12 kali

Informasi Lainnya

Abstraksi

Abstrak - Distributed Denial of Service (DDoS) merupakan salah satu jenis serangan pada jaringan internet yang paling sering terjadi di dunia dari tahun ke tahun. Penelitian pendeteksian serangan DDoS penting dilakukan karena mengingat serangan DDoS merupakan serangan yang dapat mengakibatkan habisnya sumber daya yang dimiliki komputer sehingga komputer tidak dapat diakses bahkan hingga dapat menghilangkan data yang terdapat didalamnya. Dari beberapa penelitian yang terkait akurasi pendeteksian yang dihasilkan masih 99,41%. Dalam penelitian ini menggunakan metode Multiclassifier Ensemble Learning dan metode Chi-Square untuk seleksi fitur. Dalam penghitungan akurasi, Multiclassifier Ensemble Learning menggunakan 3 jenis algoritma klasifikasi yaitu algoritma KNN, algoritma Naive Bayes, dan algoritma Random Forest. Dimana label prediksi dari ketiga algoritma tersebut akan digabungkan menggunakan majority vote untuk mendapatkan hasil prediksi yang akan diuji menggunakan data testing. Hasil akurasi yang dihasilkan dari metode Multiclassifier Ensemble Learning yaitu sebesar 99,68%.

Kata kunci : DDoS, serangan, klasifikasi, multiclassifier ensemble learning, nsl-kdd, data, chi-square, testing, training, algoritma, knn, naive bayes, random forest, akurasi