PUBLIKASIINDONESIAPUBLIKASIINDONESIA

Jurnal Indonesia Sosial TeknologiJurnal Indonesia Sosial Teknologi

Penelitian ini menggunakan machine learning berbasis supervised machine learning untuk memperkenalkan pendekatan klasifikasi yang dioptimalkan untuk mendeteksi serangan Shellcode. Tidak seperti penelitian sebelumnya yang hanya berfokus pada ekstraksi fitur atau metode deteksi anomali tradisional, penelitian ini mengintegrasikan penyetelan hyperparameter dan evaluasi kinerja untuk mengidentifikasi model klasifikasi yang paling efektif. Penggunaan beberapa teknik klasifikasi dalam kerangka pembanding meningkatkan kebaruan penelitian ini. Mengingat meningkatnya frekuensi serangan siber dan kerentanan Indonesia terhadap ancaman keamanan siber, pengembangan sistem deteksi yang efisien dan andal sangat penting. Temuan penelitian ini dapat berkontribusi pada penguatan strategi keamanan siber nasional dan melindungi aset digital dari intrusi berbahaya.

Penelitian ini menganalisis klasifikasi Shellcode dengan machine learning berdasarkan klasifikasi biner, yaitu KNN, Decision Tree, dan Naïve Bayes.Secara keseluruhan, ketiga klasifier tersebut berkinerja baik dalam mengklasifikasikan serangan Shellcode.Klasifier Decision Tree mencapai tingkat akurasi terbaik yaitu 97,21%.Namun, tingkat akurasi klasifier KNN dan Naive Bayes juga menunjukkan hasil yang tidak mengecewakan.Hal ini mengindikasikan bahwa klasifikasi berbasis klasifikasi biner dapat mengklasifikasikan serangan Shellcode yang diambil dari dataset UNSW_NB15.Hasil penelitian ini diharapkan dapat memberikan wawasan tentang penggunaan machine learning dalam mendeteksi atau mengklasifikasikan malware atau jenis serangan siber lainnya.Penelitian lebih lanjut dapat mengeksplorasi metode preprocessing atau klasifikasi dengan klasifikasi multiclass untuk mendeteksi dan mengklasifikasikan jenis serangan, terutama Serangan Shellcode.

Berdasarkan latar belakang, metode, hasil, dan keterbatasan penelitian ini, serta saran penelitian lanjutan yang ada, terdapat beberapa arah penelitian yang menarik untuk dieksplorasi lebih lanjut. Pertama, penelitian dapat difokuskan pada pengembangan model klasifikasi yang mampu mengidentifikasi variasi Shellcode yang lebih kompleks dan canggih, dengan mempertimbangkan teknik obfuscation dan polymorphism yang sering digunakan oleh penyerang. Kedua, penelitian dapat mengintegrasikan analisis perilaku (behavioral analysis) untuk mendeteksi aktivitas mencurigakan yang terkait dengan Shellcode, bahkan jika kode tersebut belum pernah terlihat sebelumnya. Ketiga, penelitian dapat mengeksplorasi penggunaan teknik pembelajaran transfer (transfer learning) untuk memanfaatkan pengetahuan dari dataset serangan siber yang berbeda, sehingga meningkatkan kemampuan model dalam mendeteksi Shellcode pada lingkungan yang baru.

  1. Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes... doi.org/10.26418/jp.v5i3.34368Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes doi 10 26418 jp v5i3 34368
Read online
File size360.57 KB
Pages12
DMCAReport

Related /

JURIS Assessment of Readability of Vietnamese Text 2026More at 2026

POLNAMPOLNAM Studi ini bertujuan mengembangkan skala keterbacaan secara kualitatif dan kuantitatif bagi pembaca yang ingin mengukur teks mereka sesuai dengan pembacaStudi ini bertujuan mengembangkan skala keterbacaan secara kualitatif dan kuantitatif bagi pembaca yang ingin mengukur teks mereka sesuai dengan pembaca

JURIS Klasifikasi Aksara Batak Toba Lengkap Tulisan Tangan Menggunakan Transfer Learning EfficientNet B0 2026More at 2026

LODDOSINSTITUTELODDOSINSTITUTE Tantangan utama dalam pengenalan aksara lengkap adalah variasi bentuk tulisan tangan yang tinggi dan kompleksitas visual dalam membedakan diakritik yangTantangan utama dalam pengenalan aksara lengkap adalah variasi bentuk tulisan tangan yang tinggi dan kompleksitas visual dalam membedakan diakritik yang

JURIS Automated identification of tomato leaf pathologies using deep learning via ResNet18 and a Tailored CNN Architecture 2026More at 2026

STTMCILEUNGSISTTMCILEUNGSI Tanaman tomat (Solanum lycopersicum) rentan terhadap berbagai penyakit yang berdampak signifikan terhadap hasil dan kualitas produksi pertanian. UntukTanaman tomat (Solanum lycopersicum) rentan terhadap berbagai penyakit yang berdampak signifikan terhadap hasil dan kualitas produksi pertanian. Untuk

JURIS Comparative Analysis of Bidirectional Encoder Representations from Transformers Models for Twitter Sentiment Classification using Text Mining on Streamlit 2025More at 2025

IDID 91 F1-score on the test set. Fine-Tuning enables BERT to adapt to the unique characteristics of Twitter sentiment data, allowing better recognition of91 F1-score on the test set. Fine-Tuning enables BERT to adapt to the unique characteristics of Twitter sentiment data, allowing better recognition of

JURIS Klasifikasi Terawasi Anomali Suara Kipas Industri Menggunakan Jaringan Saraf Tiruan dan Fitur Akustik Rekayasa 2025More at 2025

ITHBITHB Using a subset of the FAN data from the MIMII (malfunctioning industrial machine investigation and inspection) dataset with 530 labelled recordings (383Using a subset of the FAN data from the MIMII (malfunctioning industrial machine investigation and inspection) dataset with 530 labelled recordings (383

JURIS Classification Analysis of Back propagation Optimized CNN Performance in Image Processing 2023More at 2023

IAIIIAII Dalam penelitian ini, kami menggunakan dataset klasifikasi gambar yang cukup kompleks dan menggunakan model CNN sebagai dasar untuk pelatihan dan evaluasiDalam penelitian ini, kami menggunakan dataset klasifikasi gambar yang cukup kompleks dan menggunakan model CNN sebagai dasar untuk pelatihan dan evaluasi

JURIS Sentimen Ulasan Destinasi Wisata Pulau Bali Menggunakan Bidirectional Long Short Term Memory 2022More at 2022

BUMIGORABUMIGORA Sedangkan Word2Vec merupakan pretraining yang dipilih karena dapat menangkap makna semantik teks. Penelitian ini menggunakan data ulasan objek wisata diSedangkan Word2Vec merupakan pretraining yang dipilih karena dapat menangkap makna semantik teks. Penelitian ini menggunakan data ulasan objek wisata di

JURIS Sistem Perekomendasi Dengan Singular Value Decomposition Dan Teknik Similaritas Pearson Correlation 2022More at 2022

UMIUMI Pertumbuhan e-commerce telah menghasilkan informasi produk yang masif dan volume data yang sangat besar. Hal ini mengakibatkan masalah kelebihan informasi.Pertumbuhan e-commerce telah menghasilkan informasi produk yang masif dan volume data yang sangat besar. Hal ini mengakibatkan masalah kelebihan informasi.

Useful /

JURIS Enhancing rice plant disease detection through transfer learning and image segmentation with YOLOv11 2026More at 2026

STTMCILEUNGSISTTMCILEUNGSI Hasil eksperimen menunjukkan bahwa model mencapai mAP@50 bounding box sebesar 0,607 dan mAP@50 segmentasi sebesar 0,564, dengan skor F1 sebesar 0,62 danHasil eksperimen menunjukkan bahwa model mencapai mAP@50 bounding box sebesar 0,607 dan mAP@50 segmentasi sebesar 0,564, dengan skor F1 sebesar 0,62 dan

JURIS Research Growth of Engineering Faculty Universitas Negeri Padang A Bibliometric Study of Journal 2023More at 2023

IAIIIAII Sebaliknya, frekuensi kerja tim multinasional menurun. Ahmaddul Hadi dari Departemen Informatika menonjol sebagai penulis paling produktif dengan 38 artikelSebaliknya, frekuensi kerja tim multinasional menurun. Ahmaddul Hadi dari Departemen Informatika menonjol sebagai penulis paling produktif dengan 38 artikel

JURIS Audit Teknologi Informasi dengan COBIT pada Sistem Informasi Universitas Methodist Indonesia 2022More at 2022

UMIUMI 1. Quality Management System, PO8. 4. Customer Focus, PO8. 5 Continuous Improvement, dan PO8. 6 Quality Measurement, Monitoring and Review, DS5. 9. Malicious1. Quality Management System, PO8. 4. Customer Focus, PO8. 5 Continuous Improvement, dan PO8. 6 Quality Measurement, Monitoring and Review, DS5. 9. Malicious

JURIS SIMULASI PENDETEKSI KELEMBABAN PADA TANAH MENGGUNAKAN SENSOR DHT22 DENGAN PROTEUS 2022More at 2022

UMIUMI Sensor DHT22 dipilih daripada sensor DHT11 karena memiliki rentang pengukuran yang luas, yaitu 0 hingga 100% untuk kelembaban dan -40 derajat Celsius hinggaSensor DHT22 dipilih daripada sensor DHT11 karena memiliki rentang pengukuran yang luas, yaitu 0 hingga 100% untuk kelembaban dan -40 derajat Celsius hingga

ads-block-test