DETEKSI SERANGAN PADA INTERNET OF MEDICAL THINGS (IoMT) MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SELEKSI FITUR SELECTKBEST

Stevani Eka Putri, Aulia (2025) DETEKSI SERANGAN PADA INTERNET OF MEDICAL THINGS (IoMT) MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SELEKSI FITUR SELECTKBEST. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (35kB)
	Text BAB II.pdf Restricted to Registered users only Download (809kB)
	Text BAB III.pdf Restricted to Registered users only Download (303kB)
	Text BAB IV.pdf Restricted to Registered users only Download (920kB)
	Text BAB V.pdf Download (11kB)
	Text DAFTAR PUSTAKA.pdf Download (151kB)

Abstract

Keamanan dalam Internet of Medical Things (IoMT) menjadi fokus utama di era digital, mengingat ancaman serangan siber yang berpotensi merusak integritas dan privasi data medis. Studi ini memiliki tujuan untuk mendeteksi serangan terhadap IoMT dengan menerapkan metode Convolutional Neural Network (CNN) dan pemilihan fitur SelectKBest yang didasarkan pada ANOVA F-score. SelectKBest digunakan untuk memilih fitur yang paling berpengaruh dalam pengklasifikasian serangan, sehingga meningkatkan performa model. Data yang digunakan adalah koleksi dataset serangan IoMT yang mencakup berbagai tipe serangan, termasuk Recon dan DDoS. Hasil percobaan menunjukkan bahwa penggabungan CNN dengan pemilihan fitur SelectKBest dapat meningkatkan akurasi dalam mendeteksi serangan dibandingkan dengan model yang tidak menggunakan seleksi fitur. Model yang diajukan diharapkan mampu memberikan kontribusi untuk meningkatkan keamanan sistem IoMT dengan cara yang lebih efektif dan efisien dalam mendeteksi serangan.

Actions (login required)

View Item