DETEKSI SERANGAN APT PADA INDUSTRIAL INTERNET OF THINGS (IoT) MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Sanjaya Saputra, Maulana (2025) DETEKSI SERANGAN APT PADA INDUSTRIAL INTERNET OF THINGS (IoT) MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (1MB)
	Text BAB II.pdf Restricted to Registered users only Download (287kB)
	Text BAB III.pdf Restricted to Registered users only Download (179kB)
	Text BAB IV.pdf Restricted to Registered users only Download (206kB)
	Text BAB V.pdf Download (169kB)
	Text DAFTAR PUSTAKA.pdf Download (159kB)

Abstract

Peningkatan jumlah perangkat dalam Industrial Internet of Things (IIoT) menyebabkan meningkatnya ancaman serangan siber, terutama Distributed Denial of Service (DDoS) dan Advanced Persistent Threats (APT). Penelitian ini bertujuan untuk mengembangkan model deteksi serangan berbasis Convolutional Neural Network (CNN) guna meningkatkan efektivitas dalam mendeteksi ancaman siber pada jaringan IIoT. Model dikembangkan menggunakan dataset CICAPT-IioT 2024 dan menerapkan Principal Component Analysis (PCA) untuk optimalisasi fitur. Hasil penelitian menunjukkan bahwa model CNN yang digunakan mampu mencapai akurasi sebesar 99,92% pada epoch 50, lebih baik dibandingkan dengan penelitian sebelumnya yang menggunakan metode serupa. Implementasi metode ini berpotensi meningkatkan keamanan jaringan IIoT dengan identifikasi serangan secara real-time dan respons yang lebih cepat terhadap ancaman siber.

Actions (login required)

View Item