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:	https://repository.unas.ac.id/id/eprint/10373

Actions (login required)

View Item