ITATSITATS
KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan InformatikaKERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan InformatikaSistem deteksi intrusi (Intrusion Detection System, IDS) berbasis machine learning (ML) dan deep learning (DL) telah menjadi pendekatan dominan untuk mengatasi keterbatasan metode berbasis tanda tangan dalam menghadapi serangan baru dan lalu lintas jaringan yang semakin kompleks. Systematic Literature Review (SLR) ini mengkaji dan membandingkan studi periode 2020-2025 mengenai IDS berbasis ML/DL dengan mengikuti pedoman PRISMA 2020. Fokus kajian mencakup tren penggunaan dataset evaluasi (NSL-KDD, CICIDS2017, CSE-CIC-IDS2018, UNSW-NB15, serta dataset IoT seperti BoT-IoT, ToN_IoT, dan IoTID20), komparasi kategori metode (klasik ML, DL, ensemble/hybrid, dan unsupervised/anomaly detection), serta praktik evaluasi, reprodusibilitas, dan kesiapan operasional. Setelah penyaringan lintas basis data, sebanyak 18 studi primer yang memenuhi kriteria inklusi dianalisis secara komparatif berdasarkan kategori metode dan dataset. Hasil menunjukkan bahwa model supervised (Random Forest/XGBoost, CNN-LSTM, Transformer) kerap mencapai akurasi tinggi pada dataset benchmark, namun generalisasi antardataset dan integritas dataset khususnya CICIDS2017 menjadi isu kunci. Rekomendasi utama meliputi standardisasi protokol evaluasi (split berbasis waktu serta pelaporan FPR/MCC), pelaporan biaya komputasi dan latensi, pengujian lintas dataset, publikasi kode dan pipeline praproses, serta integrasi explainable AI (XAI) untuk akuntabilitas keputusan IDS.
Komparasi metode IDS berbasis ML tidak dapat disimpulkan hanya dari akurasi tertinggi karena dataset berperan besar dan dapat mengandung isu integritas.Protokol evaluasi tidak seragam sehingga meta-analisis kuantitatif penuh sering tidak valid.Kebutuhan deployment menuntut metrik tambahan (FPR, latensi, biaya komputasi) serta explainability.ML klasik tetap kompetitif untuk data flow/tabular, sedangkan DL/hybrid unggul pada skenario kompleks dengan biaya komputasi lebih tinggi.Metode unsupervised menjanjikan untuk serangan baru dengan trade-off kenaikan false positive.Audit dataset menegaskan perlunya pergeseran dari benchmark score chasing menuju evaluasi yang lebih tahan bias dan relevan secara operasional.
Penelitian lanjutan dapat fokus pada pengembangan protokol evaluasi standar dengan split berbasis waktu untuk meningkatkan generalisasi model IDS. Selain itu, penelitian perlu mengkaji peningkatan integritas dataset melalui teknik praproses yang lebih akurat untuk mengurangi bias dalam hasil. Terakhir, eksplorasi integrasi teknik explainable AI (XAI) untuk meningkatkan transparansi dan akuntabilitas keputusan IDS dalam skenario operasional nyata.
| File size | 273.01 KB |
| Pages | 10 |
| DMCA | Report |
Related /
ITATSITATS Oleh karena itu, kesimpulan penelitian hanya berlaku pada model dan konfigurasi yang dievaluasi. Penelitian selanjutnya dapat membandingkan model tradisionalOleh karena itu, kesimpulan penelitian hanya berlaku pada model dan konfigurasi yang dievaluasi. Penelitian selanjutnya dapat membandingkan model tradisional
ITATSITATS Tahapan penelitian meliputi pelabelan data kategorik, normalisasi data, proses clustering menggunakan K-Harmonic Means, serta evaluasi jumlah cluster padaTahapan penelitian meliputi pelabelan data kategorik, normalisasi data, proses clustering menggunakan K-Harmonic Means, serta evaluasi jumlah cluster pada
ITATSITATS (4) Seluruh 9 skenario uji pada Black-Box Testing dinyatakan Valid, mencakup pengujian Soft Deletes, Pessimistic Locking, dan validasi kalkulasi stok masuk.(4) Seluruh 9 skenario uji pada Black-Box Testing dinyatakan Valid, mencakup pengujian Soft Deletes, Pessimistic Locking, dan validasi kalkulasi stok masuk.
ITATSITATS Model SVM memperoleh akurasi sebesar 80,99% dan nilai AUC sebesar 0,760, sedangkan Naïve Bayes menghasilkan akurasi 67. Perbedaan ini menunjukkan bahwaModel SVM memperoleh akurasi sebesar 80,99% dan nilai AUC sebesar 0,760, sedangkan Naïve Bayes menghasilkan akurasi 67. Perbedaan ini menunjukkan bahwa
ITATSITATS Penelitian ini bertujuan menganalisis dan merancang sistem manajemen kelangsungan bisnis (Business Continuity Management) untuk media informasi KabupatenPenelitian ini bertujuan menganalisis dan merancang sistem manajemen kelangsungan bisnis (Business Continuity Management) untuk media informasi Kabupaten
WASTUKANCANAWASTUKANCANA Metode generatif menggunakan Generative Adversarial Networks (GANs) untuk menciptakan gambar plat nomor yang realistis, meningkatkan kinerja pengenalan.Metode generatif menggunakan Generative Adversarial Networks (GANs) untuk menciptakan gambar plat nomor yang realistis, meningkatkan kinerja pengenalan.
WASTUKANCANAWASTUKANCANA Dengan mengetahui peramalan, perencanaan tenaga kerja dapat diukur dari segi produktivitas, efisiensi, dan keberlanjutan operasional organisasi atau perusahaan.Dengan mengetahui peramalan, perencanaan tenaga kerja dapat diukur dari segi produktivitas, efisiensi, dan keberlanjutan operasional organisasi atau perusahaan.
WASTUKANCANAWASTUKANCANA Adapun prioritas kriteria secara berurutan pada pengolahan data dengan AHP yaitu, pendidikan, jenis kelamin, pengalaman dan usia dengan masing-masing nilaiAdapun prioritas kriteria secara berurutan pada pengolahan data dengan AHP yaitu, pendidikan, jenis kelamin, pengalaman dan usia dengan masing-masing nilai
Useful /
ITATSITATS Implementasi FCM ini sangat membantu Pemerintah Kampung Taloarane dalam menyebarkan informasi publik menjadi jauh lebih proaktif dan efektif, serta memastikanImplementasi FCM ini sangat membantu Pemerintah Kampung Taloarane dalam menyebarkan informasi publik menjadi jauh lebih proaktif dan efektif, serta memastikan
ITATSITATS 2%, Efficiency 82.67%, Maintainability 86. 5%, dan Portability 82%. Seluruh nilai tersebut termasuk dalam kategori “Sangat Baik, yang menandakan bahwa2%, Efficiency 82.67%, Maintainability 86. 5%, dan Portability 82%. Seluruh nilai tersebut termasuk dalam kategori “Sangat Baik, yang menandakan bahwa
WASTUKANCANAWASTUKANCANA Simulasi akhir yang dirancang menggunakan ProModel berhasil mengatasi hambatan yang terjadi pada proses produksi di PT XYZ Indonesia, khususnya pada jalurSimulasi akhir yang dirancang menggunakan ProModel berhasil mengatasi hambatan yang terjadi pada proses produksi di PT XYZ Indonesia, khususnya pada jalur
WASTUKANCANAWASTUKANCANA Sedangkan pada tahap Measure yaitu Critical To Quality, Peta Kendali serta perhitungan DPMO dan sigma pada tiga penyebab cacat tertinggi yaitu low plybond,Sedangkan pada tahap Measure yaitu Critical To Quality, Peta Kendali serta perhitungan DPMO dan sigma pada tiga penyebab cacat tertinggi yaitu low plybond,