Analisa Performa Penggunaan Feature Selection untuk Mendeteksi Intrusion Detection Systems dengan Algoritma Random Forest Classifier

Abstrak Semakin penting koneksi data melalui Internet membuat kebutuhan akan keamanan jaringan data semakin meningkat. Salah satu tools yang penting adalah Intrusion detection systems (IDS). Salah satu hal yang menjadi masalah dari penggunaan IDS adalah performan kecepatan untuk mendeteksi data yang...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Setiawan Budiman, Andi Sunyoto, Asro Nasiri
Formato:	article
Lenguaje:	ID
Publicado:	Islamic University of Indragiri 2021
Materias:	Technology T Information technology T58.5-58.64
Acceso en línea:	https://doaj.org/article/6c9f8d4673914774a5d1e2e57d542b43
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:6c9f8d4673914774a5d1e2e57d542b43
record_format	dspace
spelling	oai:doaj.org-article:6c9f8d4673914774a5d1e2e57d542b432021-11-07T12:04:46ZAnalisa Performa Penggunaan Feature Selection untuk Mendeteksi Intrusion Detection Systems dengan Algoritma Random Forest Classifier2302-81492540-971910.32520/stmsi.v10i3.1550https://doaj.org/article/6c9f8d4673914774a5d1e2e57d542b432021-09-01T00:00:00Zhttp://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/1550https://doaj.org/toc/2302-8149https://doaj.org/toc/2540-9719Abstrak Semakin penting koneksi data melalui Internet membuat kebutuhan akan keamanan jaringan data semakin meningkat. Salah satu tools yang penting adalah Intrusion detection systems (IDS). Salah satu hal yang menjadi masalah dari penggunaan IDS adalah performan kecepatan untuk mendeteksi data yang semakin banyak dalam waktu yang singkat. Dalam penelitian ini kami akan melakukan analisa perbandingan performa IDS menggunakan features selection dengan algoritma Random Forest Classifier yang disimulasikan pada dataset UNSW-NB15, yaitu dataset simulasi serangan pada jaringan network yang dikembangan oleh Nour Moustafa & Jill Slay dari University of New South Wales pada Australian Defence Force Academy. Tujuan dari penelitian ini adalah mempercepat waktu proses Intrusion detection systems dengan machile learning. Penelitian dilakukan dengan 2 tahap, yaitu tahap pertama tanpa features selection dan tahap kedua dengan features selection ExtraTreesClassifier. Masing-masing tahap dilakukan dengan beberapa kali pengujian dengan persentasi testing dan training data yang berbeda. Hasil penelitian menunjukan bahwa penggunaan features selection dapat mempercepat waktu proses pendeteksian dengan menggunakan Random Forest Classifier, walaupun ada sedikit penurun akurasi dibawah 1%. Kata kunci: feature selection, random forest, ids, machine learning Abstract Internet data connection is very important, therefore it will increasing the security issues. One of the important tools is Intrusion detection systems (IDS). The main problems of using IDS is the speed performance to detect more and more data in a short time. In this study, we will perform a comparative analysis of IDS performance using features selection with the Random Forest Classifier algorithm which is simulated on the UNSW-NB15 dataset, which is work as the attack simulation dataset on the network developed by Nour Moustafa & Jill Slay from the University of New South Wales at the Australian Defense Force Academy. The purpose of this research is to speed up the processing time of Intrusion detection systems with machile learning. The research was conducted in 2 stages, the first stage without features selection and the second stage with features selection. Each stage is carried out with several study using different percentages of testing and training data. The results showed that by using features selection, it can speed up the detection process time using the Random Forest Classifier, although there is a slight decrease in accuracy below 1%. Keywords: feature selection, random forest, ids, machine learningSetiawan BudimanAndi SunyotoAsro NasiriIslamic University of IndragiriarticleTechnologyTInformation technologyT58.5-58.64IDSistemasi: Jurnal Sistem Informasi, Vol 10, Iss 3, Pp 753-760 (2021)
institution	DOAJ
collection	DOAJ
language	ID
topic	Technology T Information technology T58.5-58.64
spellingShingle	Technology T Information technology T58.5-58.64 Setiawan Budiman Andi Sunyoto Asro Nasiri Analisa Performa Penggunaan Feature Selection untuk Mendeteksi Intrusion Detection Systems dengan Algoritma Random Forest Classifier
description	Abstrak Semakin penting koneksi data melalui Internet membuat kebutuhan akan keamanan jaringan data semakin meningkat. Salah satu tools yang penting adalah Intrusion detection systems (IDS). Salah satu hal yang menjadi masalah dari penggunaan IDS adalah performan kecepatan untuk mendeteksi data yang semakin banyak dalam waktu yang singkat. Dalam penelitian ini kami akan melakukan analisa perbandingan performa IDS menggunakan features selection dengan algoritma Random Forest Classifier yang disimulasikan pada dataset UNSW-NB15, yaitu dataset simulasi serangan pada jaringan network yang dikembangan oleh Nour Moustafa & Jill Slay dari University of New South Wales pada Australian Defence Force Academy. Tujuan dari penelitian ini adalah mempercepat waktu proses Intrusion detection systems dengan machile learning. Penelitian dilakukan dengan 2 tahap, yaitu tahap pertama tanpa features selection dan tahap kedua dengan features selection ExtraTreesClassifier. Masing-masing tahap dilakukan dengan beberapa kali pengujian dengan persentasi testing dan training data yang berbeda. Hasil penelitian menunjukan bahwa penggunaan features selection dapat mempercepat waktu proses pendeteksian dengan menggunakan Random Forest Classifier, walaupun ada sedikit penurun akurasi dibawah 1%. Kata kunci: feature selection, random forest, ids, machine learning Abstract Internet data connection is very important, therefore it will increasing the security issues. One of the important tools is Intrusion detection systems (IDS). The main problems of using IDS is the speed performance to detect more and more data in a short time. In this study, we will perform a comparative analysis of IDS performance using features selection with the Random Forest Classifier algorithm which is simulated on the UNSW-NB15 dataset, which is work as the attack simulation dataset on the network developed by Nour Moustafa & Jill Slay from the University of New South Wales at the Australian Defense Force Academy. The purpose of this research is to speed up the processing time of Intrusion detection systems with machile learning. The research was conducted in 2 stages, the first stage without features selection and the second stage with features selection. Each stage is carried out with several study using different percentages of testing and training data. The results showed that by using features selection, it can speed up the detection process time using the Random Forest Classifier, although there is a slight decrease in accuracy below 1%. Keywords: feature selection, random forest, ids, machine learning
format	article
author	Setiawan Budiman Andi Sunyoto Asro Nasiri
author_facet	Setiawan Budiman Andi Sunyoto Asro Nasiri
author_sort	Setiawan Budiman
title	Analisa Performa Penggunaan Feature Selection untuk Mendeteksi Intrusion Detection Systems dengan Algoritma Random Forest Classifier
title_short	Analisa Performa Penggunaan Feature Selection untuk Mendeteksi Intrusion Detection Systems dengan Algoritma Random Forest Classifier
title_full	Analisa Performa Penggunaan Feature Selection untuk Mendeteksi Intrusion Detection Systems dengan Algoritma Random Forest Classifier
title_fullStr	Analisa Performa Penggunaan Feature Selection untuk Mendeteksi Intrusion Detection Systems dengan Algoritma Random Forest Classifier
title_full_unstemmed	Analisa Performa Penggunaan Feature Selection untuk Mendeteksi Intrusion Detection Systems dengan Algoritma Random Forest Classifier
title_sort	analisa performa penggunaan feature selection untuk mendeteksi intrusion detection systems dengan algoritma random forest classifier
publisher	Islamic University of Indragiri
publishDate	2021
url	https://doaj.org/article/6c9f8d4673914774a5d1e2e57d542b43
work_keys_str_mv	AT setiawanbudiman analisaperformapenggunaanfeatureselectionuntukmendeteksiintrusiondetectionsystemsdenganalgoritmarandomforestclassifier AT andisunyoto analisaperformapenggunaanfeatureselectionuntukmendeteksiintrusiondetectionsystemsdenganalgoritmarandomforestclassifier AT asronasiri analisaperformapenggunaanfeatureselectionuntukmendeteksiintrusiondetectionsystemsdenganalgoritmarandomforestclassifier
_version_	1718443552242925568

Analisa Performa Penggunaan Feature Selection untuk Mendeteksi Intrusion Detection Systems dengan Algoritma Random Forest Classifier

Ejemplares similares