Skripsi

KLASIFIKASI TRAFFIC ANONYMOUS THE ONION ROUTE DENGAN METODE K-NEAREST NEIGHBOR (K-NN)

---

Penelitian ini bertujuan untuk mengembangkan model klasifikasi yang akurat untuk mengidentifikasi dan mengkategorikan lalu lintas anonim pada jaringan Tor. Dataset yang digunakan adalah CIC-Darknet2020. Teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan untuk menangani ketidakseimbangan kelas, sementara Mutual Information Classifier (MIC) digunakan untuk seleksi fitur. Model K-Nearest Neighbor (K-NN) digunakan untuk klasifikasi dengan hasil akurasi tertinggi sebesar 93.17% pada n_neighbors = 1. Meskipun tidak menggunakan normalisasi data karena distribusi fitur yang cukup merata, penelitian ini menunjukkan bahwa kombinasi K-NN, SMOTE, dan MIC efektif dalam memberikan klasifikasi lalu lintas anonim yang akurat pada jaringan Tor. Penelitian ini berkontribusi signifikan dalam bidang keamanan jaringan dan dapat menjadi dasar untuk penelitian lebih lanjut dalam deteksi dan keamanan jaringan.

---

Availability

Detail Information

Series Title

-

Call Number

T1535522024

Publisher

Indralaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer Universitas Sriwijaya., 2024

Collation

xii, 53 hlm.; ilus.; tab, 29 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

005.807

Content Type

Text

Media Type

unmediated

Carrier Type

other (computer)

Edition

-

Subject(s)

Prodi Sistem Komputer
Keamanan Komputer, Keamanan Data

Specific Detail Info

-

Statement of Responsibility

SEW

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment