Mutiara Hernowo, 4611419066 (2023) IMPLEMENTASI ALGORITMA EXTREME GRADIENT BOOSTING (XGBOOST) PADA INTRUSION DETECTION SYSTEM (IDS) DALAM MENDETEKSI INTRUSI JARINGAN. Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF (skripsi) Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Saat ini, jumlah pengguna internet semakin meningkat. Akibatnya, proses pertukaran data pada jaringan dan jumlah paket data yang melintasi lalu lintas jaringan menjadi padat. Proses transmisi data tersebut harus dijaga keamanannya. Jaringan memiliki sebuah sistem yang bertugas untuk memantau lalu lintas dan memberikan sebuah peringatan ketika terdapat data yang berbahaya. Sistem tersebut dijuluki dengan IDS. Dalam menjalankan tugasnya, IDS memerlukan sebuah model deteksi untuk meningkatkan kemampuannya dalam mendeteksi intrusi jaringan. Penelitian ini bertujuan untuk meningkatkan akurasi pada IDS dalam pendeteksian intrusi. Pada penelitian ini metode yang digunakan sebagai model deteksi adalah algoritma XGBoost. Di samping itu, terdapat metode seleksi Sequential Feature Selection (SFS) yang digunakan untuk membantu algoritma pengklasifikasi dalam mengoptimalkan model. Dataset yang digunakan yaitu NSL-KDD dataset. Penelitian yang telah dilakukan menunjukkan penggunaan metode tersebut mampu menghasilkan tingkat akurasi pendeteksian model sebesar 99,24%. Oleh karenanya, implementasi algoritma XGBoost sebagai model deteksi ini dapat digunakan untuk meningkatkan performa IDS dalam mendeteksi intrusi jaringan, sehingga membuat internet lebih aman digunakan oleh pengguna. Akan tetapi, penelitian ini masih memerlukan adanya pengembangan seperti penggunaan dataset yang terbarukan serta perpaduan algoritma machine learning (ML) yang lain. Hal ini dapat ditindaklanjuti oleh peneliti selanjutnya.

Actions (login required)

View Item