Klasifikasi Deteksi Anomali Menggunakan Metode Machine Learning

Abstract

Pada masa sekarang ini, perkembangan era digitalisasi telah mengalami perkembangan yang sangat signifikan, selain itu juga peningkatan penggunaan media layanan internet yang cenderung mengalami kenaikan namun diimbangi dengan kenaikan tingkat potensi kejahatan. Salah satu upaya yang dapat dilakukan untuk mengurangi potensi kejahatan ini adalah pembentukan sistem keamanan pada jaringan internet yang dapat mendeteksi anomali. Deteksi anomali memiliki tujuan untuk menemukan perilaku menyimpang yang tidak seharusnya pada suatu pola dalam penggunaan jaringan internet. Pada penelitian ini akan dilakukan deteksi anomali menggunakan pendekatan metode machine learning decission tree dengan melakukan optimasi feature selection untuk mencari performa terbaik. Studi kasus pendeteksian anomali yang digunakan pada penelitian ini adalah dataset public UNSW NB-15. Hasil yang didapatkan pada penelitian ini menunjukan bahwa pada dataset tersebut, berhasil mendeteksi aktifitas anomali dalam jaringan dengan evaluasi pada nilai AUC:0.992, CA:0.999, F1-Score:0.999, Precission:0.999, Recall:0.999 dan MCC:0.984. Teknik analisis ini dapat membantu administrator jaringan dalam mengantisipasi indikasi adanya aktifitas anomali yang mengarah pada aktifitas serangan di dalam jaringan.