Optimasi Metode Naïve Bayes dengan Particle Swarm Optimization untuk Sistem Deteksi Serangan D-Dos
DOI:
https://doi.org/10.31004/jpdk.v4i6.10009Abstract
D-DoS (Distributed Denial of Service) adalah jenis serangan terstruktur. Serangan DDoS mampu melumpuhkan server dengan membanjiri lalu lintas jaringan dan mengakibatkan down[11]. Ancaman dan serangan terhadap keamanan server terus meningkat. Kepala Badan Siber dan Sandi Negara (BSSN) Hinsa Siburian mengatakan selama 2021 tercatat ada 888.711.736 serangan siber[5]. Telah banyak dilakukan penelitian tentang pendeteksian serangan DDoS dengan berbagai metode, seperti Artificial Neural Network (ANN)[12], K-Nearest neighbor dengan optimasi menggunakan Principal Component Analysis (PCA)[15], dan Naïve Bayes[8]. Namun metode Nave Bayes memiliki kelemahan yaitu tidak dapat melakukan seleksi atribut dan belum ada yang mengoptimasi klasifikasi Naïve Bayes menggunakan Particle Swarm Optimization dalam memberikan bobot pada setiap atribut untuk mendeteksi serangan D-DoS. Klasifikasi Naïve Bayes dengan melakukan optimasi menggunakan Particle Swarm Optimization untuk mengetahui seberapa besar nilai akurasi sebelum dan sesudah dilakukan optimasi. Berdasarkan penelitian yang telah dilakukan dengan menggunakan metode Naïve Bayes Classification (NBC) yang belum dioptimasi menunjukkan akurasi sebesar 0.9178 atau 92%, MSE 0.0821 atau 0.08% dan AUC 0.9221 atau 92% dan telah di optimasi Particle Swarm Optimization (PSO) dengan hasil menunjukkan akurasi sebesar 0,948 atau 95%, MSE 0,0516 atau 0,05% dan AUC 0,9463 atau 95%. Oleh karena itu, dengan optimalisasi menggunakan metode PSO, proses pendeteksian serangan D-DoS mengalami peningkatan sebesar 3%Downloads
Published
2022-12-10
How to Cite
Syahroni, D. ., & Nurjaya, N. (2022). Optimasi Metode Naïve Bayes dengan Particle Swarm Optimization untuk Sistem Deteksi Serangan D-Dos. Jurnal Pendidikan Dan Konseling (JPDK), 4(6), 10203–10214. https://doi.org/10.31004/jpdk.v4i6.10009
Issue
Section
Articles
License
Copyright (c) 2022 Doni Syahroni, Nurjaya
![Creative Commons License](http://i.creativecommons.org/l/by-sa/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License that allows others to share the work with an acknowledgement of the works authorship and initial publication in this journal. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journals published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).