KLASIFIKASI SERANGAN DICTIONARY BRUTE FORCE PADA JARINGAN IOT MENGGUNAKAN RANDOM FOREST DAN RECURSIVE FEATURE ELIMINATION

Majid, M. Syukron (2025) KLASIFIKASI SERANGAN DICTIONARY BRUTE FORCE PADA JARINGAN IOT MENGGUNAKAN RANDOM FOREST DAN RECURSIVE FEATURE ELIMINATION. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (238kB)
	Text BAB II.pdf Restricted to Registered users only Download (673kB)
	Text BAB III.pdf Restricted to Registered users only Download (414kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (188kB)
	Text DAFTAR PUSTAKA.pdf Download (177kB)

Abstract

Internet of Things (IoT) merupakan teknologi yang berkembang pesat dalam beberapa tahun terakhir. Namun, meningkatnya jumlah perangkat IoT juga meningkatkan risiko terhadap serangan cyber, salah satunya serangan dictionary brute force. Serangan ini memanfaatkan kelemahan pengguna dalam menggunakan kata sandi yang mudah ditebak. Untuk mengidentifikasi serangan tersebut, diperlukan Intrusion Detection System (IDS) yang mampu mengenali pola serangan secara efektif. Penelitian ini mengimplementasikan algoritma random forest yang dikombinasikan dengan metode seleksi fitur Recursive Feature Elimination (RFE) untuk membangun model klasifikasi serangan dictionary brute force pada jaringan IoT. Dataset yang digunakan adalah CIC IoT 2023, yang mencerminkan karakteristik khas lalu lintas IoT. Proses penelitian meliputi analisis awal, preprocessing, balancing data, seleksi fitur, pelatihan model, dan evaluasi performa. Hasil evaluasi menunjukkan bahwa model dengan seleksi fitur RFE mampu meningkatkan efisiensi tanpa penurunan performa yang signifikan, dengan hasil akurasi 96,51%, presisi 96,54%, recall 96,51%, dan f1-score 96,51%. Penelitian ini menunjukkan bahwa kombinasi Random Forest dan RFE efektif dalam mendeteksi serangan dictionary brute force pada jaringan IoT.

Actions (login required)

View Item