Penerapan Algoritma SVM atau KNN atau Naive Bayes dalam Mendeteksi Penyakit pada Makhluk Hidup

MAHFUDIN, MUHAMMAD ALI (2022) Penerapan Algoritma SVM atau KNN atau Naive Bayes dalam Mendeteksi Penyakit pada Makhluk Hidup. S1 thesis, Universitas Mercu Buana - Menteng.

[img] Text (Kompre Full)
KOMPRE_41516110121_Muhammad Al Mahfudin - MUHAMMAD ALI MAHFUDIN.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (Lembar Publikasi)
Publikasi - MUHAMMAD ALI MAHFUDIN.pdf
Restricted to Registered users only

Download (130kB)

Abstract

Perkembangan aktifitas internet dan serangan terhadap sistem komputer yang semakin meningkat, menyebabkan data yang harus dianalisis menjadi sangat besar dan tentunya ini menjadi masalah bagi seorang analis paket data untuk memilah data dan membentuk skenario dari data yang terkumpul tersebut, sehingga muncul kecurigaan bahwa sistem deteksi intrusi yang ada tidak dapat mendeteksi serangan-serangan yang berbahaya yang dilakukan dengan teknik yang baru, tersembunyi atau keduanya. Permasalahan ini menyebabkan diperlukan sebuah sistem yang dapat membantu analis dalam proses analisis data dan dapat menemukan serangan yang tidak dapat ditemukan oleh analis atau sensor. Support vector machine (SVM) sebagai salah satu metode dari data mining terbukti memiliki tingkat akurasi yang tinggi dalam mengklasifikasikan pola-pola paket data jaringan, ini dibuktikan oleh beberapa penelitian yang mempergunakan dataset DARPA KDD’99 yang dibuat oleh Lincoln Lab. Dari hasil penelitian-penelitian tersebut maka SVM dinilai tepat untuk diimplementasikan dalam penelitian ini. Kata kunci: Support Vector Machine (SVM), Sistem Deteksi, Sistem Komputer, Universitas Mercu Buana. The growth of internet usage and computer system attacks has resulted in an increase in the amount of data that needs to be analyzed. Naturally, this presents challenges for data analysts who must sort through the data and create scenarios from it. As a result, there is concern that intrusion detection systems may not be able to identify malicious attacks that use cutting-edge methods, stealth tactics, or both. Due to this issue, a system that can aid analysts in the data analysis process and identify threats that analysts or sensors are unable to detect is required.. Multiple investigations using the DARPA KDD'99 dataset produced by Lincoln Lab have demonstrated the high level of accuracy of the support vector machine (SVM) data mining technique in categorizing network data packet patterns. SVM is thought to be a suitable implementation for this investigation based on the findings of prior studies. Key words: Mercu Buana University, Support Vector Machine (SVM), Detection System

Item Type: Thesis (S1)
NIM/NIDN Creators: 41516110121
Uncontrolled Keywords: Support Vector Machine (SVM), Sistem Deteksi, Sistem Komputer, Universitas Mercu Buana. Mercu Buana University, Support Vector Machine (SVM), Detection System
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RIA SYAFITRI
Date Deposited: 19 Oct 2022 04:14
Last Modified: 19 Oct 2022 04:14
URI: http://repository.mercubuana.ac.id/id/eprint/70594

Actions (login required)

View Item View Item