OPTIMASI METODE SUPPORT VECTOR MACHINE MENGGUNAKAN ALGORITMA GENETIKA UNTUK DETEKSI WEB DEFACEMENT

BUDIANTO, AGUS (2021) OPTIMASI METODE SUPPORT VECTOR MACHINE MENGGUNAKAN ALGORITMA GENETIKA UNTUK DETEKSI WEB DEFACEMENT. Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

Preview	Text ABSTRAK.pdf Download (77kB) | Preview
Preview	Text COVER.pdf Download (154kB) | Preview
Preview	Text DAFTAR ISI.pdf Download (87kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (120kB) | Preview
Preview	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (296kB) | Preview
	Text SKRIPSI-FULL-Agus-Budianto-123160064.pdf Restricted to Repository staff only Download (11MB)

Abstract

Web defacement dapat menyebabkan kerugian yang signifikan bagi pemilik situs
web karena hilangnya reputasi, kehilangan uang, atau kebocoran informasi. Karena
kerumitan dan keragaman dari semua jenis sistem aplikasi web, terutama kurangnya
pemeliharaan keamanan yang diperlukan, kerusakan situs web meningkat dari tahun ke
tahun. Oleh karenanya, diperlukan mekanisme untuk pendeteksian awal serangan web
defacement pada sebuah situs web. Pada penelitian ini Support Vector Machine digunakan
untuk melakukan deteksi defacement pada website.
Support Vector Machine (SVM) Merupakan metode klasifikasi popular yang telah
berhasil diaplikasikan di berbagai bidang. SVM dapat mengatasi masalah klasifikasi baik
linear maupun non linear sehingga memiliki kemampuan generalisasi yang kuat. Untuk
mengklasifikasikan data yang tidak bisa dipisahkan secara liner, SVM menggunakan fungsi
kernel. Setiap fungsi kernel memilikiparameter yang mempengaruhi keakuratan SVM.
Permasalahan yang dihadapi saat menggunakan metode SVM adalah sulitnya menentukan
parameter yang optimal padahal pengaturan parameter SVM yang tepat akan meningkatkan
akurasi klasifikasi.
Untuk menyelesaikan permasalahan yang telah dipaparkan Algoritma Genetika
diusulkan sebagai metode pencarian parameter terbaik SVM. Hasilnya menunjukan bahwa
kombinasi SVM dan Algoritma Genetika efektif dalam meningkatkan akurasi klasifikasi.
Algoritma genetika telah terbukti efektif dalam menemukan parameter kernel optimum
SVM secara sistematis, sebagai pengganti parameter kernel yang dipilih secara acak.
Kombinasi SVM dan Algoritma Genetika menghasilkan akurasi optimal sebesar 98,5 %.
Kata Kunci: Web Defacement, Support Vector Machine, Algoritma Genetika, Optimasi
Parameter.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Web Defacement, Support Vector Machine, Algoritma Genetika, Optimasi Parameter.
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	21 Apr 2021 03:37
Last Modified:	12 Jan 2023 07:28
URI:	http://eprints.upnyk.ac.id/id/eprint/25279

Actions (login required)

View Item