KLASIFIKASI JENIS INTRUSI JARINGAN KOMPUTER BERBASIS PEMBELAJARAN MESIN (Arya. A. Waskita1, R. Maerani1)

ABSTRAK
KLASIFIKASI JENIS INTRUSI JARINGAN KOMPUTER BERBASIS PEMBELAJARAN
MESIN. Profil intrusi terhadap jaringan komputer semakin kompleks dengan semakin
luasnya penerapan teknologi informasi dan komunikasi. Sistem dengan kemampuan
mengklasifikasi jenis intrusi menjadi penting diterapkan untuk menangani intrusi yang dapat
membahayakan keamanan jaringan komputer. Penelitian ini mengusulkan pengenalan jenis
intrusi jaringan komputer berbasis pembelajaran mesin dengan pohon keputusan dan naive
bayes, serta faktor penilaian akurasi, lajur true positif (TP rate) dan laju false positif (FP
rate). Pengujian terhadap benchmark data set intrusi UNSW-NB15 diperoleh akurasi di
kisaran 90% dengan pohon keputusan dan 71% dengan naive bayes.
Kata kunci: klasifikasi intrusi, jaringan komputer, pembejalaran mesin, pohon keputusan,
naive bayes.
ABSTRACT
COMPUTER NETWORK INTRUSION CLASSIFICATION BASED ON MACHINE
LEARNING. Intrusion profiles to computer network are more and more complex with
increasingly use of information and communication technology. A system with classifying
intrusion capabilities become important to apply to handle intrusion which can compromise
the computer network. This paper proposes intrusion classification based on machine
learning with decision tree and naive bayes, including accuracy, true positif (TP) rate and
false positif (FP) rate to evaluate the result. This proposal produce accuracy around 90%
with decision tree and 71% with naive bayes against intrusion data set UNSW-NB15.
Keywords: intrusion classification, computer network, machine learning, decision tree, naive
bayes