PERBANDINGAN KINERJA ALGORITMA KNEAREST NEIGHBORS (K-NN) DAN DECISION TREEDALAM DETEKSI PAKET MALIS PADA JARINGAN

Kasmara, Bib Nugraha (2024) PERBANDINGAN KINERJA ALGORITMA KNEAREST NEIGHBORS (K-NN) DAN DECISION TREEDALAM DETEKSI PAKET MALIS PADA JARINGAN. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (357kB)
	Text BAB 2.pdf Download (1MB)
	Text BAB 3.pdf Download (1MB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (353kB)
	Text Lampiran.pdf Download (557kB)

Abstract

Penelitian ini bertujuan untuk melakukan klasifikasi terhadap data paket malis dan membandingkan performa dua algoritma, yaitu K-Nearest Neighbor (K-NN) dan Decision Tree (DT). Dataset UNSW-NB15 yang digunakan untuk penelitian ini telah melalui tahap preprocessing, feature selection, dan data split. Tahap preprocessing termasuk transformasi data dan pemilihan fitur yang relevan untuk mendeteksi paket malis. Selanjutnya, eksperimen dilakukan untuk menguji variasi nilai K pada K-NN dan mengukur akurasi, recall, precision, dan F1-Score. Hasilnya menunjukkan bahwa K-NN memiliki akurasi 91.54%, sedangkan DT memiliki 92.41%. Analisis performa untuk masing-masing algoritma serta perbandingan performa keduanya dilakukan dengan teliti. Studi ini menunjukkan kemampuan KNN dan DT untuk mendeteksi paket malis dan memberikan dasar untuk memilih algoritma yang tepat untuk keamanan jaringan. Kesimpulan dari penelitian ini menyoroti bahwa DT memiliki kinerja yang sedikit lebih baik dibandingkan K-NN dalam konteks deteksi paket malis. Oleh karena itu, pemilihan algoritma harus mempertimbangkan kebutuhan spesifik dan tujuan deteksi keamanan jaringan.

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > H Social Sciences (General) H Social Sciences > HA Statistics
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	- Abdurrahman -
Date Deposited:	25 Mar 2024 03:49
Last Modified:	25 Mar 2024 03:49
URI:	http://repository.unas.ac.id/id/eprint/10373

Actions (login required)

View Item