STIKOM BALISTIKOM BALI

Jurnal Sistem dan Informatika (JSI)Jurnal Sistem dan Informatika (JSI)

Penggunaan teknologi Internet of Things (IoT) telah meningkat pesat berkat revolusi digital, membawa tantangan keamanan yang signifikan. Penelitian ini berfokus pada optimasi keamanan IoT pada edge computing dengan menerapkan model berbasis machine learning untuk mendeteksi dan mengidentifikasi serangan siber. Metodologi yang digunakan meliputi pengumpulan data dari sensor IoT dan log aktivitas, pra-pemrosesan data, serta pelatihan dan validasi model machine learning. Empat algoritma digunakan untuk deteksi dan identifikasi serangan, yaitu K-Nearest Neighbors (KNN), Support Vector Machines (SVM), Random Forest (RF), dan Decision Trees (DT). Hasil penelitian menunjukkan bahwa model Random Forest (RF) dan Decision Tree (DT) memiliki kinerja terbaik dalam mendeteksi serangan siber, dengan nilai True Positive (TP) yang tinggi dan tingkat kesalahan yang rendah. Evaluasi kinerja berdasarkan metrik Akurasi, Presisi, Recall, dan F1-Score mengonfirmasi bahwa RF dan DT mampu memberikan hasil yang akurat dan andal dalam mendeteksi ancaman.

Berdasarkan hasil pengujian dan analisis matriks konfusi, dapat disimpulkan bahwa Random Forest dan Decision Tree menampilkan kinerja yang luar biasa dengan presisi dan recall yang tinggi, mencapai F1-Score sebesar 90.Hal ini menunjukkan efektivitas kedua model ini dalam mengklasifikasikan dengan akurat dan efisien.Sedangkan KNN dan Support Vector Machine (SVM) menunjukkan kinerja yang kurang memuaskan, dengan F1-Score yang rendah, yang mengindikasikan bahwa model-model ini memerlukan optimisasi parameter yang signifikan untuk meningkatkan kinerjanya.

Untuk penelitian lanjutan, disarankan untuk melakukan optimasi parameter model machine learning yang digunakan, terutama pada KNN dan SVM, agar dapat meningkatkan kinerja deteksi serangan siber. Selain itu, dapat dilakukan studi komparatif antara model-model machine learning yang berbeda untuk menentukan model mana yang paling efektif dalam mendeteksi berbagai jenis serangan siber pada IoT dan edge computing. Terakhir, penelitian dapat dilakukan untuk mengeksplorasi penggunaan teknik-teknik machine learning yang lebih canggih, seperti deep learning, untuk meningkatkan akurasi dan efisiensi deteksi serangan siber pada IoT dan edge computing.

  1. KNN Algorithm for Identification of Tomato Disease Based on Image Segmentation Using Enhanced K-Means... kinetik.umm.ac.id/index.php/kinetik/article/view/1486KNN Algorithm for Identification of Tomato Disease Based on Image Segmentation Using Enhanced K Means kinetik umm ac index php kinetik article view 1486
  2. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. performance analysis hybrid machine learning... jurnal.iaii.or.id/index.php/RESTI/article/view/4142Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i performance analysis hybrid machine learning jurnal iaii index php RESTI article view 4142
Read online
File size269.15 KB
Pages6
DMCAReport

Related /

ads-block-test