PENGARUH METODE GABUNGAN SELEKSI FITUR INFORMATION GAIN DAN XGBOOST TERHADAP PERFORMA DETEKSI SERANGAN DDOS MENGGUNAKAN ANN

ANGGITAMA, HARYA (2025) PENGARUH METODE GABUNGAN SELEKSI FITUR INFORMATION GAIN DAN XGBOOST TERHADAP PERFORMA DETEKSI SERANGAN DDOS MENGGUNAKAN ANN. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 1_Skripsi Full_123190125_Harya Anggitama.pdf Restricted to Repository staff only Download (3MB)
	Text 2_Cover_123190125_Harya Anggitama.pdf Download (324kB)
	Text 3_Abstrak_123190125_Harya Anggitama.pdf Download (91kB)
	Text 3_Abstrak_123190125_Harya Anggitama.pdf Download (91kB)
	Text 4_Halaman Pengesahan_123190125_Harya Anggitama.pdf Download (495kB)
	Text 5_Daftar Isi_123190125_Harya Anggitama.pdf Download (86kB)
	Text 6_Daftar Pustaka_123190125_Harya Anggitama.pdf Download (101kB)

Abstract

DDoS merupakan salah satu bentuk serangan siber yang paling mengancam dan
berbahaya di dunia. Serangan DDoS mampu menyebabkan kelumpuhan server milik korban
yang mengakibatkan gangguan layanan yang mengarah pada kerugian moril dan ekonomi.
Salah satu upaya pencegahan serangan DDoS adalah dengan menerapkan Intrusion
Detection System (IDS) berbasis Artificial Neural Network (ANN). Akan tetapi, dalam
proses pelatihan ANN pemilihan fitur berperan sangat penting dalam menentukan performa
model. Penelitian ini mencoba untuk mengetahui pengaruh seleksi fitur gabungan
Information Gain dan XGBoost terhadap performa model deteksi serangan DDoS yang
menggunakan ANN. Proses seleksi fitur diterapkan pada dataset DDoS yang komprehensif
yaitu UNSW-NB15. Hasil penelitian menunjukkan bahwa model ANN dengan lima fitur
terpilih (sttl, dbytes, state, sbytes, smean) mencapai accuracy 0,902, precision 0,859, dan
recall 0,959 tanpa indikasi overfitting atau underfitting. Apabila dibandingkan dengan model
baseline (tanpa seleksi fitur), model ini memiliki recall lebih tinggi (+0,03) dan waktu
komputasi lebih cepat (-12,23 detik), tetapi dengan konsekuensi precision yang lebih rendah
(0,859 vs. 0,953). Hal ini menunjukkan bahwa seleksi fitur gabungan Information Gain dan
XGBoost mampu meningkatkan efisiensi dan deteksi serangan DDoS (recall), tetapi
mengorbankan skor precision, sehingga berpotensi meningkatkan false positive dalam
klasifikasi lalu lintas jaringan.
Kata Kunci: DDoS; ANN; Seleksi Fitur; Information Gain; XGBoost.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	DDoS; ANN; Seleksi Fitur; Information Gain; XGBoost.
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Eny Suparny
Date Deposited:	12 Sep 2025 06:40
Last Modified:	12 Sep 2025 06:40
URI:	http://eprints.upnyk.ac.id/id/eprint/43673

Actions (login required)

View Item