Repositori

Beberapa tahun terakhir telah muncul istilah baru yang kini banyak diterapkan sebagai IDS (Intrusion Detection System) yaitu Deep Learning. Salah satu jenis Deep-Learning adalah RNN (Recurrent Neural Network) yang belakangan ini telah diterapkan menjadi IDS. Serangan cyber memang tidak bisa dihindarkan, namun dapat diantisipasi dengan membangun suatu sistem yang dapat mendeteksi kinerja aliran data jaringan agar pengguna dapat terhindar dari segala macam bentuk serangan dan usaha-usaha penyusupan dari pihak yang tidak dikenali. Penelitian ini bertujuan untuk menguji dan menganalisis keakuratan dan kecepatan Recurrent Neural Network dalam mendeteksi serangan. Metode yang digunakan untuk penelitian ini yaitu RNN, yang dioperasikan melalui program Phyton dan Google Colab. Berdasarkan hasil uji coba model dilatih dengan jumlah 50 epoch menghasilkan akurasi sebesar 92%. Sedangkan model dengan jumlah 30 epoch menghasilkan akurasi sebesar 99%. Jadi, model dapat bekerja dengan baik terhadap data pelatihan dengan jumlah 30 epoch. Kata Kunci : recurrent neural network, intrusion detection system, serangan jaringan

URI :
https://jurnal.harapan.ac.id/index.php/Jitekh/article/view/996

Collections :
Skripsi [1304]