Optimasi Metode Naïve Bayes dengan Particle Swarm Optimization untuk Sistem Deteksi Serangan D-Dos

Abstract

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%