PERBANDINGAN VISUALISASI DATA DETEKSI SERANGAN DDOS MENGGUNAKAN GAUSSIAN NAIVE BAYES DAN K-NEAREST NEIGHBOR

Ari Gunawan, Novan (2025) PERBANDINGAN VISUALISASI DATA DETEKSI SERANGAN DDOS MENGGUNAKAN GAUSSIAN NAIVE BAYES DAN K-NEAREST NEIGHBOR. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (138kB)
	Text BAB II.pdf Restricted to Registered users only Download (332kB)
	Text BAB III.pdf Restricted to Registered users only Download (185kB)
	Text BAB IV.pdf Restricted to Registered users only Download (760kB)
	Text BAB V.pdf Download (10kB)
	Text DAFTAR PUSTAKA.pdf Download (143kB)

Abstract

Penelitian ini membahas perbandingan dua algoritma machine learning, yaitu Gaussian Naïve Bayes dan K-Nearest Neighbor (K-NN), dalam mendeteksi serangan Distributed Denial of Service (DDoS). Menggunakan dataset DDoS SDN dari Kaggle yang berisi 104.346 sampel dengan 23 atribut, data diproses melalui tahapan pembersihan dan normalisasi sebelum dianalisis. Evaluasi menggunakan Confusion Matrix, akurasi, precision, recall, dan F1-score menunjukkan bahwa K-NN memiliki akurasi lebih tinggi (98,9%) dibandingkan Gaussian Naïve Bayes (62,32%). K-NN unggul dalam mengenali pola kompleks namun memerlukan waktu komputasi lebih lama, sedangkan Gaussian Naïve Bayes lebih cepat tetapi kurang akurat untuk data yang kompleks. Kesimpulannya, K-NN lebih efektif untuk deteksi DDoS, namun pemilihan algoritma harus mempertimbangkan keseimbangan antara akurasi dan efisiensi komputasi.

Actions (login required)

View Item