Deteksi Intrusi Untuk Klasifikasi Serangan Jaringan Dengan Penerapan Algoritma Convolutional Neural Network

Abstract

Abstrak- Setelah era COVID-19 dari tahun 2020 hingga tahun 2022, penggunaan internet meningkat pesat karena banyak orang harus bekerja dan beraktivitas di rumah. Besar jumlah informasi yang ditukar melalui media digital dan disimpan di Cloud menjadi hal yang umum dalam kehidupan sehari-hari. Namun, tanpa disadari, adanya ancaman kejahatan siber yang dapat mengancam keamanan jaringan internet tersebut. Oleh karena itu, pengamanan pada jaringan internet menjadi sangat penting. Sistem Deteksi Intrusi telah menjadi solusi populer untuk menjaga keamanan pada lalu lintas jaringan. Banyak penelitian terdahulu telah menggunakan pendekatan berbasis Machine Learning dan Deep Learning untuk deteksi intrusi. Saat ini, deteksi intrusi berbasis Deep Learning menunjukkan keunggulan dibandingkan dengan deteksi intrusi berbasis Machine Learning. Ini disebabkan oleh hasil tingkat akurasi yang lebih baik dan efisiensi mendeteksi serangan.

Penelitian ini berfokus pada pengembangan model deteksi intrusi berbasis Convolutional Neural Network yang kemudian akan dibandingkan dengan model Random Forest, Random Tree, Naïve Beyes dan J48 . Evaluasi dilakukan dengan menggunakan sejumlah metrik  kinerja model yaitu Accuracy, presisi, recall, f1-score. Penelitian ini menghasilkan model yang efektif dalam mendeteksi serangan jaringan. Hasil penelitian ini diharapkan akan memberikan kontribusi positif dalam meningkatkan kemampuan deteksi intrusi dari serangan ancaman siber dengan lebih baik di era digital yang semakin kompleks.