Skripsi

KOMPARASI PADA KLASIFIKASI TRAFIK SERANGAN MALWARE BOTNET DENGAN METODE SUPPORT VECTOR MACHINE (SVM)

---

Pada beberapa tahun terakhir penelitian mengenai botnet telah banyak dilakukan, botnet merupakan salah satu jenis malware yang menyerang dengan cara mengambil alih sistem komputer yang terhubung ke jaringan internet dengan mengendalikannya secara remote. Penelitian ini menggunakan dataset MedBIoT yang berasal dari Tallinn University of Technology terdapat tiga jenis botnet yaitu bashlite, mirai dan torii. Tujuan dari seleksi fitur Correlation-based Feature Selection (CFS) yaitu memfilter fitur sehingga dapat menemukan fitur yang terbaik untuk melakukan proses pengklasifikasi. Selain itu, Algoritma Support Vector Machine (SVM) terdiri dari tiga kernel yaitu linear, rbf dan polynomial yang digunakan untuk melakukan proses klasifikasi. Hasil dari penelitian ini menunjukkan bahwa algoritma Support Vector Machine (SVM) menggunakan seleksi fitur Correlation-based Feature Selection (CFS) dapat melakukan proses klasifikasi dengan baik pada serangan malware botnet, hasil klasifikasi menggunakan tiga kernel algoritma SVM menunjukkan hasil yang terbaik yaitu pada kernel polynomial mendapatkan nilai akurasi sebesar 99.96%, presisi 99.95%, recall 99.99% serta f-1 score 99.97%.

---

Availability

Detail Information

Series Title

-

Call Number

T495282021

Publisher

Inderalaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer Uniersitas Sriwijaya., 2021

Collation

xiii, 38 hlm,: ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

005.840 7

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Malware-Virus Komputer
Prodi Sistem Komputer

Specific Detail Info

-

Statement of Responsibility

MURZ

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment