PERBANDINGAN ALGORITMA RANDOM FOREST,
NAIVE BAYES DAN J48 PADA DATASET ANOMALY
NETWORK TRAFFIC (ALLDAYS DDOS)
Total View This Week0
Total View This Week0
Institusion
Universitas Siliwangi
Author
Pratama, Irfan
Subject
T Technology (General)
Datestamp
2023-02-16 02:22:25
Abstract :
ABSTRAK Machine Learning digunakan untuk membangun Intrucion Detection System (IDS) yang berfungsi mendeteksi dan mengklasifikasikan serangan secara otomatis terhadap jaringan lalu lintas serangan jahat terus berubah dan terjadi dalam skala besar sehingga menimbulkan banyak tantangan yang membutuhkan solusi terukur. Penelitian sebelumnya dilakukan perbandingan algoritma dengan parameter accuracy, precision dan recall sebagai hasilnya, maka dari itu penelitian yang dilakukan adalah mencari tingkat accuracy, precision, recall, specificity, sensitivity dan error rate dalam mendeteksi lalu lintas jaringan yang bersifat anomaly menggunakan algoritma Random Forest, Naive Bayes dan J48. Proses pencarian nilai dilakukan dua kali pengujian dengan percentage split 80% dan 90%. Pengujian percentage split 80% didapatkan hasil untuk algoritma Random Forest nilai accuracy 99,88%, precision 95,69%, recall 92,15%, specificity 98,61%, sensitivity 92,15% dan error rate 0,12%. Algoritma Naive Bayes mendapatkan nilai accuracy 81,58%, precision 44,27%, recall 75,17%, specificity 90,24%, sensitivity 75,17% dan error rate 18,42%. Algoritma J48 mendapatkan nilai accuracy 99,88%, precision 98,62%, recall 88,54%, specificity 97,72%, sensitivity 88,54% dan error rate 0,12%. Pengujian percentage split 90% didapatkan hasil untuk algoritma Random Forest nilai accuracy 99,84%, precision 93,29%, recall 83,31%, specificity 98,05%, sensitivity 83,31% dan error rate 0,16%. Algoritma Naive Bayes mendapatkan nilai accuracy 81,00%, precision 47,73%, recall 65,40%, specificity 90,45%, sensitivity 65,40% dan error rate 19,00%. Algoritma J48 mendapatkan nilai accuracy 99,80%, precision 83,31%, recall 83,29%, specificity 98,87%, sensitivity 83,29% dan error rate 0,20%. Disimpulkan hasil dari pengujian percentage split 80% dan 90% bahwa algoritma Random Forest lebih baik dalam mendeteksi lalu lintas jaringan yang bersifat anomaly dengan nilai accuracy, precision, recall, specificity dan sensitivity lebih tinggi dibandingkan algoritma Naive Bayes dan J48, tetapi nilai error rate yang lebih baik didapatkan algoritma Naive Bayes. Kata Kunci : J48, Naive Bayes, Random Forest
ABSTRAK Machine Learning digunakan untuk membangun Intrucion Detection System (IDS) yang berfungsi mendeteksi dan mengklasifikasikan serangan secara otomatis terhadap jaringan lalu lintas serangan jahat terus berubah dan terjadi dalam skala besar sehingga menimbulkan banyak tantangan yang membutuhkan solusi terukur. Penelitian sebelumnya dilakukan perbandingan algoritma dengan parameter accuracy, precision dan recall sebagai hasilnya, maka dari itu penelitian yang dilakukan adalah mencari tingkat accuracy, precision, recall, specificity, sensitivity dan error rate dalam mendeteksi lalu lintas jaringan yang bersifat anomaly menggunakan algoritma Random Forest, Naive Bayes dan J48. Proses pencarian nilai dilakukan dua kali pengujian dengan percentage split 80% dan 90%. Pengujian percentage split 80% didapatkan hasil untuk algoritma Random Forest nilai accuracy 99,88%, precision 95,69%, recall 92,15%, specificity 98,61%, sensitivity 92,15% dan error rate 0,12%. Algoritma Naive Bayes mendapatkan nilai accuracy 81,58%, precision 44,27%, recall 75,17%, specificity 90,24%, sensitivity 75,17% dan error rate 18,42%. Algoritma J48 mendapatkan nilai accuracy 99,88%, precision 98,62%, recall 88,54%, specificity 97,72%, sensitivity 88,54% dan error rate 0,12%. Pengujian percentage split 90% didapatkan hasil untuk algoritma Random Forest nilai accuracy 99,84%, precision 93,29%, recall 83,31%, specificity 98,05%, sensitivity 83,31% dan error rate 0,16%. Algoritma Naive Bayes mendapatkan nilai accuracy 81,00%, precision 47,73%, recall 65,40%, specificity 90,45%, sensitivity 65,40% dan error rate 19,00%. Algoritma J48 mendapatkan nilai accuracy 99,80%, precision 83,31%, recall 83,29%, specificity 98,87%, sensitivity 83,29% dan error rate 0,20%. Disimpulkan hasil dari pengujian percentage split 80% dan 90% bahwa algoritma Random Forest lebih baik dalam mendeteksi lalu lintas jaringan yang bersifat anomaly dengan nilai accuracy, precision, recall, specificity dan sensitivity lebih tinggi dibandingkan algoritma Naive Bayes dan J48, tetapi nilai error rate yang lebih baik didapatkan algoritma Naive Bayes. Kata Kunci : J48, Naive Bayes, Random Forest
File :
1. COVER.pdf
2. LEMBAR PENGESAHAN PEMBIMBING.pdf
11. DAFTAR LAMPIRAN.pdf
12. BAB I.pdf
13. BAB II.pdf
14. BAB III.pdf
15. BAB IV.pdf
16. BAB V.pdf
17. DAFTAR PUSTAKA.pdf
3. LEMBAR PENGESAHAN PENGUJI.pdf
4. LEMBAR PERNYATAAN KEASLIAN.pdf
5. ABSTRAK.pdf
6. ABSTRACT.pdf
7. KATA PENGANTAR.pdf
8. DAFTAR ISI.pdf
10. DAFTAR GAMBAR.pdf
9. DAFTAR TABEL.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
