OPTIMASI DETEKSI SERANGAN JARINGAN KOMPUTER DENGAN ALGORITMA EXTREME GRADIENT BOOSTING PADA DATASET CIC-IDS2017

AJI, YEHESKIEL PAMBUKO (2025) OPTIMASI DETEKSI SERANGAN JARINGAN KOMPUTER DENGAN ALGORITMA EXTREME GRADIENT BOOSTING PADA DATASET CIC-IDS2017. Other thesis, UPN Veteran Yogyakarta.

	Text COVER.pdf Download (197kB)
	Text ABSTRAK.pdf Download (191kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (492kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (462kB)
	Text DAFTAR ISI.pdf Download (203kB)
	Text DAFTAR PUSTAKA.pdf Download (158kB)
	Text Naskah TA LENGKAP_123210100.pdf Restricted to Repository staff only Download (2MB)

Abstract

Serangan terhadap jaringan komputer terus meningkat dan berpotensi menyebabkan kebocoran data serta kerugian besar. Intrusion Detection System (IDS) dikembangkan untuk mendeteksi ancaman ini, namun IDS konvensional masih menghadapi kendala berupa tingginya false positive dan false negative. Hal ini diperparah oleh ketidakseimbangan kelas pada dataset lalu lintas jaringan, seperti pada CIC-IDS2017, yang menyebabkan model sulit mengenali pola serangan minoritas. Penelitian ini bertujuan mengembangkan sistem deteksi intrusi menggunakan algoritma XGBoost yang dioptimasi dengan SMOTE untuk meningkatkan akurasi deteksi, khususnya dalam menurunkan tingkat kesalahan deteksi.

Metode yang digunakan dalam penelitian ini adalah pendekatan eksperimental. Dataset CIC-IDS2017 diproses melalui beberapa tahap, yaitu pembersihan data, pemetaan ulang label serangan, pembagian data latih dan uji dengan variasi proporsi, serta penyeimbangan data menggunakan SMOTE. Reduksi dimensi dilakukan dengan Principal Component Analysis (PCA) untuk meningkatkan efisiensi. Model dibangun menggunakan algoritma XGBoost dengan penyesuaian parameter dan tuning nilai k pada SMOTE. Evaluasi performa dilakukan berdasarkan metrik precision, recall, f1-score, AUPRC, FPR, dan FNR.

Hasil menunjukkan bahwa penerapan SMOTE mampu menurunkan nilai false negative rate dari 42,11% menjadi 1,82% pada data uji. Meskipun terjadi peningkatan false positive, model dengan parameter SMOTE terbaik (k = 3) dan proporsi data uji 30% menghasilkan dapat menekan tingkat false positive menjadi 4,13%. Penelitian ini menyimpulkan XGBoost yang dioptimasi dengan SMOTE memberikan solusi yang efektif untuk mengurangi false negative, terutama dalam menghadapi masalah ketidakseimbangan kelas dalam deteksi intrusi.

Kata Kunci: XGBoost, SMOTE, CIC-IDS2017, False Negative, False Positive.

Item Type:	Thesis (Other)
Additional Information:	YEHESKIEL PAMBUKO AJI (Penulis - 123210100) ; Ahmad Taufiq Akbar (Pembimbing)
Uncontrolled Keywords:	XGBoost, SMOTE, CIC-IDS2017, False Negative, False Positive.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Pambudi
Date Deposited:	03 Jul 2025 02:25
Last Modified:	03 Jul 2025 02:25
URI:	http://eprints.upnyk.ac.id/id/eprint/42895

Actions (login required)

View Item