DETEKSI SERANGAN PADA JARINGAN TERENKRIPSI MENGGUNAKAN RANDOM FOREST DENGAN FEATURE SELECTION PADA DATASET HIKARI-2021

Athalla Zachari, . (2025) DETEKSI SERANGAN PADA JARINGAN TERENKRIPSI MENGGUNAKAN RANDOM FOREST DENGAN FEATURE SELECTION PADA DATASET HIKARI-2021. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

[thumbnail of 1_Cover_123210094_Athalla Zachari.pdf] Text
1_Cover_123210094_Athalla Zachari.pdf

Download (209kB)
[thumbnail of 2_Abstrak_123210094_Athalla Zachari.pdf] Text
2_Abstrak_123210094_Athalla Zachari.pdf

Download (236kB)
[thumbnail of 3_Halaman Pengesahan Pembimbing_123210094_Athalla Zachari.pdf] Text
3_Halaman Pengesahan Pembimbing_123210094_Athalla Zachari.pdf

Download (415kB)
[thumbnail of 4_Daftar Isi_123210094_Athalla Zachari.pdf] Text
4_Daftar Isi_123210094_Athalla Zachari.pdf

Download (217kB)
[thumbnail of 5_Daftar Pustaka_123210094_Athalla Zachari.pdf] Text
5_Daftar Pustaka_123210094_Athalla Zachari.pdf

Download (217kB)
[thumbnail of 6_Skripsi Full_123210094_Athalla Zachari.pdf] Text
6_Skripsi Full_123210094_Athalla Zachari.pdf
Restricted to Repository staff only

Download (2MB)
Official URL: https://upnyk.ac.id

Abstract

Perkembangan internet yang pesat telah meningkatkan ketergantungan pada sistem
jaringan, yang diiringi oleh meningkatnya ancaman serangan siber, terutama pada lalu lintas
terenkripsi dimana sistem deteksi konvensional seringkali gagal. Penelitian ini mengusulkan
sistem deteksi intrusi pada lalu lintas jaringan terenkripsi menggunakan algoritma Random
Forest dengan seleksi fitur pada dataset HIKARI-2021. untuk mengidentifikasi fitur yang
paling diskriminatif. Model yang diusulkan mencapai akurasi keseluruhan sebesar 51%,
dengan presisi 34% dan recall 99%. Analisis performa menunjukkan bahwa serangan
Bruteforce dan Bruteforce-XML berhasil dideteksi secara konsisten dengan presentase
keberhasilan deteksi melebihi 90%, sedangkan serangan Probing menjadi tantangan
signifikan dengan presentase keberhasilan deteksi sebesar 55%. Dibandingkan dengan
baseline, pendekatan kami menunjukkan peningkatan metrik recall menjadi sebesar 99%
dalam mendeteksi semua jenis serangan dengan presentase keberhasilan deteksi rata – rata
sebesar 99%.
Kata Kunci: Random Forest, Intrusion Detection System, Seleksi Fitur, HIKARI-2021

Item Type: Tugas Akhir (Skripsi)
Additional Information: Athalla Zachari (Penulis - 123210094) Andrey Ferriyan (Pembimbing)
Uncontrolled Keywords: Random Forest, Intrusion Detection System, Seleksi Fitur, HIKARI-2021
Subjek: T Technology > T Technology (General)
Divisions: Fakultas Teknik Industri > (S1) Informatika
Depositing User: Bayu Pambudi
Date Deposited: 22 Oct 2025 04:50
Last Modified: 22 Oct 2025 04:50
URI: http://eprints.upnyk.ac.id/id/eprint/44754

Actions (login required)

View Item View Item