ANALISIS PERBANDINGAN DETECTION TRAFFIC ANOMALY DENGAN METODE NAIVE BAYES DAN DBSCAN
Abstract
Intrusion Detection System (IDS) adalah sebuah perangkat lunak atau keras yang dapat digunakan untuk mendeteksi adanya aktivitas yang tidak wajar dalam jaringan. Situasi sering muncul dari berbagai akses jaringan berupa informasi atau data yang dapat menimbulkan masalah. Deteksi adalah sebuah sistem untuk mendeteksi aktivitas yang bersifat mengganggu akses data dalam sebuah informasi. IDS memiliki dua metode dalam melakukan pendeteksian yaitu Rule Based (Signature Based) dan Behavior-Based. Traffic Anomaly dapat mendeteksi peningkatan jumlah akses pengguna dan sewaktu – waktu akan terjadi sebuah serangan dari pihak lain terhadap jaringan tersebut. Pada penelitian ini menggunakan 2 Metode algoritma yaitu Naïve Bayes dan DBSCAN Menggunakan streaming traffic. Hasil Naïve Bayes melalui sampel data grafik Distributions dan Radviz memiliki nilai probabilitas 0.1 dan nilai probabilitas paling tinggi yaitu 0.8. dan DBSCAN memiliki performansi yang baik dalam mendeteksi anomali trafik. Hal ini dapat ditunjukkan dengan pengujian yang dilakukan terhadap Akurasi dari hasil klaster, dimana nilai rata rata akurasinya adalah 98.45 % serta memakan waktu kurang lebih 600 detik atau sekitar 10 menit dalam sekali proses 30.000 data.
References
H. Harianto, A. Sunyoto, and S. Sudarmawan, “Optimasi Algoritma Naïve Bayes Classifier untuk Mendeteksi Anomaly dengan Univariate Fitur Selection,†Edumatic J. Pendidik. Inform., vol. 4, no. 2, pp. 40–49, 2020, doi: 10.29408/edumatic.v4i2.2433.
S. Anwar, F. Septian, and R. D. Septiana, “Klasifikasi Anomali Intrusion Detection System (IDS) Menggunakan Algoritma Naïve Bayes Classifier dan Correlation-Based Feature Selection,†J. Teknol. Sist. Inf. dan Apl., vol. 2, no. 4, p. 135, 2019, doi: 10.32493/jtsi.v2i4.3453.
D. Yunita, P. Rosyani, and R. Amalia, “Analisa Prestasi Siswa Berdasarkan Kedisiplinan, Nilai Hasil Belajar, Sosial Ekonomi dan Aktivitas Organisasi Menggunakan Algoritma Naïve Bayes,†J. Inform. Univ. Pamulang, vol. 3, no. 4, p. 209, 2018, doi: 10.32493/informatika.v3i4.2032.
I. Riadi, R. Umar, and F. D. Aini, “Analisis Perbandingan Detection Traffic Anomaly Dengan Metode Naive Bayes Dan Support Vector Machine (Svm),†Ilk. J. Ilm., vol. 11, no. 1, pp. 17–24, 2019, doi: 10.33096/ilkom.v11i1.361.17-24.
A. R. Aritonang, Sutarman, and P. Sihombing, “Analisis Subspace Clustering Menggunakan DBSCAN dan SUBCLU Untuk Proyeksi Pekerjaan Alumni Perguruan Tinggi,†Teknovasi, vol. 02, pp. 33–60, 2015.
M. A. Shauma, Y. Purwanto, and A. Novianty, “Deteksi Anomali Trafik Menggunakan Algoritma Birch Dan Dbscan Pada Streaming Traffic,†eProceedings Eng., vol. 3, no. 3, pp. 5004–5012, 2016, [Online]. Available: https://libraryeproceeding.telkomuniversity.ac.id/index.php/engineering/article/view/3132.
