KLASIFIKASI BOTNET MENGGUNAKAN SUPPORT VECTOR MACHINES DENGAN SELEKSI FITUR BERBASIS MUTUAL INFORMATION Studi Kasus : Jaringan Internet Of Things (IOT)

Setiawan, Dedi (2025) KLASIFIKASI BOTNET MENGGUNAKAN SUPPORT VECTOR MACHINES DENGAN SELEKSI FITUR BERBASIS MUTUAL INFORMATION Studi Kasus : Jaringan Internet Of Things (IOT). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (282kB)
	Text BAB II.pdf Restricted to Registered users only Download (503kB)
	Text BAB III.pdf Restricted to Registered users only Download (328kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (174kB)
	Text BAB V.pdf Download (174kB)
	Text DAFTAR PUSTAKA.pdf Download (166kB)

Abstract

Internet of Things (IoT) telah menjadi ekosistem perangkat yang saling terhubung, namun juga rentan terhadap serangan botnet. Botnet merupakan kumpulan perangkat yang terinfeksi malware dan dapat dikendalikan dari jarak jauh untuk melakukan aktivitas berbahaya seperti DDoS dan pencurian data. Penelitian ini bertujuan untuk mengklasifikasikan serangan botnet pada jaringan IoT menggunakan algoritma Support Vector Machines (SVM) yang dikombinasikan dengan metode seleksi fitur berbasis Mutual Information. Dataset yang digunakan adalah Friday-WorkingHouse-Afternoon-DDos dari CICIDS-2017 yang terdiri dari 225.745 data dengan 78 fitur. Tahapan penelitian meliputi preprocessing data, seleksi fitur, pelatihan model, dan evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kombinasi SVM dan seleksi fitur Mutual Information mampu meningkatkan efisiensi model dengan mempertahankan performa yang tinggi. Pengujian terbaik diperoleh pada 15 fitur teratas dengan akurasi sebesar 97,56%, presisi 97,65%, recall 97,56%, dan F1-score 97,56% pada data testing. Temuan ini mengindikasikan bahwa seleksi fitur yang tepat dapat mengurangi kompleksitas model tanpa menurunkan akurasi dalam mendeteksi serangan botnet pada jaringan IoT.

Actions (login required)

View Item