e-Repository BATAN

Advanced Search

KLASIFIKASI JENIS INTRUSI JARINGAN KOMPUTER BERBASIS PEMBELAJARAN MESIN (Arya. A. Waskita1, R. Maerani1)

Arya adhyaksa waskita, aaw and Restu Maerani, RM (2019) KLASIFIKASI JENIS INTRUSI JARINGAN KOMPUTER BERBASIS PEMBELAJARAN MESIN (Arya. A. Waskita1, R. Maerani1). In: Seminar Nasional Teknologi Energi Nuklir 2019 Padang, 18 September 2019 267 ISSN: 2355-7524, 18 September 2019, Universitas ANDALAS Fakultas Teknik Padang Sumatera Barat.

Full text not available from this repository.

Abstract

ABSTRAK KLASIFIKASI JENIS INTRUSI JARINGAN KOMPUTER BERBASIS PEMBELAJARAN MESIN. Profil intrusi terhadap jaringan komputer semakin kompleks dengan semakin luasnya penerapan teknologi informasi dan komunikasi. Sistem dengan kemampuan mengklasifikasi jenis intrusi menjadi penting diterapkan untuk menangani intrusi yang dapat membahayakan keamanan jaringan komputer. Penelitian ini mengusulkan pengenalan jenis intrusi jaringan komputer berbasis pembelajaran mesin dengan pohon keputusan dan naive bayes, serta faktor penilaian akurasi, lajur true positif (TP rate) dan laju false positif (FP rate). Pengujian terhadap benchmark data set intrusi UNSW-NB15 diperoleh akurasi di kisaran 90% dengan pohon keputusan dan 71% dengan naive bayes. Kata kunci: klasifikasi intrusi, jaringan komputer, pembejalaran mesin, pohon keputusan, naive bayes. ABSTRACT COMPUTER NETWORK INTRUSION CLASSIFICATION BASED ON MACHINE LEARNING. Intrusion profiles to computer network are more and more complex with increasingly use of information and communication technology. A system with classifying intrusion capabilities become important to apply to handle intrusion which can compromise the computer network. This paper proposes intrusion classification based on machine learning with decision tree and naive bayes, including accuracy, true positif (TP) rate and false positif (FP) rate to evaluate the result. This proposal produce accuracy around 90% with decision tree and 71% with naive bayes against intrusion data set UNSW-NB15. Keywords: intrusion classification, computer network, machine learning, decision tree, naive bayes

Item Type: Conference or Workshop Item (Paper)
Subjects: Keselamatan dan Keamanan Nuklir
Divisions: Pusat Teknologi dan Keselamatan Reaktor Nuklir
Depositing User: USER PTKRN BATAN
Date Deposited: 23 Jul 2020 00:25
Last Modified: 23 Jul 2020 00:25
URI: http://repo-nkm.batan.go.id/id/eprint/9897

Actions (login required)

View Item View Item