DHIMAS ADITYA PRATAMA (2025) DETEKSI SERANGAN JARINGAN MENGGUNAKAN CONVOLUTION NEURAL NETWORK. S1 thesis, Universitas Muhammadiyah Yogyakarta.

	Text (Halaman Judul) Halaman Judul.pdf Download (429kB)
	Text (Lembar Pengesahan) Lembar Pengesahan.pdf Restricted to Registered users only Download (299kB)
	Text (Abstrak) Abstrak.pdf Restricted to Registered users only Download (411kB)
	Text (Bab I) Bab I.pdf Download (341kB)
	Text (Bab II) Bab II.pdf Restricted to Registered users only Download (227kB)
	Text (Bab III) Bab III.pdf Restricted to Registered users only Download (669kB)
	Text (Bab IV) Bab IV.pdf Restricted to Registered users only Download (427kB)
	Text (Bab V) Bab V.pdf Restricted to Registered users only Download (334kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Restricted to Registered users only Download (347kB)
	Text (Naskah Publikasi) Naskah Publikasi.pdf Restricted to Registered users only Download (240kB)
	Text (Full Text) Full Text.pdf Restricted to Repository staff only Download (1MB)

Abstract

Penggunaan internet yang terus meningkat membuat lalu lintas jaringan semakin kompleks dan sulit diklasifikasikan. Banyaknya jenis serangan siber dan protokol yang bervariasi membuat metode lama seperti port-based classification dan Deep Packet Inspection (DPI) tidak lagi efektif. Oleh karena itu, dibutuhkan pendekatan baru yang lebih cerdas dan adaptif. Penelitian ini bertujuan untuk mengklasifikasikan jenis trafik jaringan, baik normal maupun yang mengandung serangan, menggunakan metode deep learning, yaitu Convolutional Neural Network (CNN). Dataset yang digunakan adalah UNSW-NB15, yang berisi data lalu lintas jaringan normal serta sembilan jenis serangan seperti Fuzzers, DoS, Backdoor, Exploits, dan lain-lain. . Banyak pendekatan dengan metode yang berbeda-beda yang sudah dilakukan dalam klasifikasi trafik jaringan sebelumnya dan menggunakan metode tambahan sepert lstm dan sebagainya,namun belum ada penelitian klasifikasi trafik jaringan dengan menggunakan metode CNN itu sendiri dan menghasilkan akurasi yang tinggi. Tujuan dari penelitian ini adalah untuk dapat mengetahui seberapa akuratnya model CNN dalam mengklasifikasikan trafik jaringan hanya dengan mengandalkan CNN itu sendiri tanpa bantuan metode lain.Penelitian ini menggunakan metode CNN(Convolutional Neural Network) adalah jenis jaringan saraf tiruan umpan-maju yang mempelajari fitur-fitur melalui optimasi filter (atau kernel). Model CNN dilatih untuk mengenali pola-pola dari fitur flowbased dan membedakan antara trafik normal dan berbahaya. Hasil pengujian menunjukkan bahwa model CNN mampu mengklasifikasikan trafik dengan akurasi hingga 99%. Hal ini membuktikan bahwa CNN dapat menjadi solusi efektif untuk tantangan deteksi serangan jaringan modern dan berpotensi diterapkan dalam sistem keamanan jaringan otomatis.

Dosen Pembimbing:	Slamet Riyadi, Ir., S.T., M.Sc., Ph.D. and Cahya Damarjati, S.T., M.Eng., Ph.D. | NIDN0509087801, NIDN0515038702
Item Type:	Thesis (S1)
Uncontrolled Keywords:	Network traffic classification, CNN, attack detection, deep learning, UNSW-NB15
Divisions:	Fakultas Teknik > S1 Teknologi Informasi
Depositing User:	Bima
Date Deposited:	03 Sep 2025 09:10
Last Modified:	03 Sep 2025 09:10
URI:	https://etd.umy.ac.id/id/eprint/53023

Actions (login required)

View Item