Penerapan Seleksi Fitur Reqursive Feature Elimination (RFE) Pada Klasifikasi Serangan Distributed Denial Of Service (DDoS) Menggunakan Algoritma Gradient Boosting

Candra Adi Lesmana, 202069040062 (2024) Penerapan Seleksi Fitur Reqursive Feature Elimination (RFE) Pada Klasifikasi Serangan Distributed Denial Of Service (DDoS) Menggunakan Algoritma Gradient Boosting. Sarjana thesis, Universitas Yudharta.

	Text (Abstrak.pdf) 202069040062_Abstrak.pdf Restricted to Registered users only Download (214kB) | Request a copy
	Text (BAB I.pdf) 202069040062_BAB I.pdf Restricted to Registered users only Download (265kB) | Request a copy
	Text (BAB II.pdf) 202069040062_BAB II.pdf Restricted to Registered users only Download (245kB) | Request a copy
	Text (BAB III.pdf) 202069040062_BAB III.pdf Restricted to Registered users only Download (605kB) | Request a copy
	Text (BAB IV.pdf) 202069040062_BAB IV.pdf Restricted to Registered users only Download (717kB) | Request a copy
	Text (BAB V.pdf) 202069040062_BAB V.pdf Restricted to Registered users only Download (211kB) | Request a copy
	Text (Daftar Pustaka.pdf) 202069040062_Daftar Pustaka.pdf Restricted to Registered users only Download (436kB) | Request a copy
	Text (Halaman Depan.pdf) 202069040062_Halaman Depan.pdf Restricted to Registered users only Download (705kB) | Request a copy

Abstract

Keamanan internet menjadi tantangan penting seiring dengan pertumbuhan layanan teknologi informasi. Serangan Distributed Denial of Service (DDoS) merupakan salah satu ancaman yang menyebabkan crash pada server dan sistem jaringan dengan membanjiri jaringan dengan paket atau permintaan. Dalam penelitian ini, diterapkan seleksi fitur Recursive Feature Elimination (RFE) pada klasifikasi serangan DDoS menggunakan algoritma Gradient Boosting. Hasil pengujian menunjukkan bahwa Gradient Boosting dengan parameter terbaik menghasilkan kinerja yang sangat baik dengan akurasi 99,9%, presisi 99,8%, recall 99,9%, dan nilai F1-score 99,9%. Kombinasi dengan parameter terbaik Gradient Boosting Dengan menggunakan RFE dan memilih 10 fitur terbaik tidak mempengaruhi hasil kinerja dari model Gradient Boosting, tetapi dengan dilakukan seleksi fitur berhasil mengurangi waktu komputasi secara signifikan dari 5463.24 detik menjadi 1023.19 detik tanpa mengorbankan kinerja model.

Item Type:	Thesis (Sarjana)
Identification Number:	0314-KI-24-01
Contributors:	Contribution Contributors Email Thesis advisor Lukman Hakim, S.Kom., P.hD, ㅤ UNSPECIFIED
Subjects:	Karya Umum > Ensiklopedia
Divisions:	Fakultas Teknik > Teknik Informatika
Date Deposited:	08 Sep 2024 15:14
Last Modified:	04 Jan 2025 09:43
URI:	https://repository.yudharta.ac.id/id/eprint/5606

Actions (login required)

View Item