Thomas Mahendra, 162022054 (2026) ANALISIS MODEL INTRUSION DETECTION SYSTEM (IDS) UNTUK MENINGKATKAN KEAMANAN JARINGAN KAMPUS BERBASIS MACHINE LEARNING. Skripsi thesis, Universitas Muhammadiyah Palembang.

	Text 162022054_BAB I_DAFTAR PUSTAKA.pdf - Published Version Download (766kB)
	Text 162022054_BAB II.pdf Restricted to Repository staff only Download (851kB)
	Text 162022054_BAB III.pdf Restricted to Repository staff only Download (647kB)
	Text 162022054_BAB IV.pdf Restricted to Repository staff only Download (809kB)
	Text 162022054_BAB V.pdf Restricted to Repository staff only Download (184kB)
	Text 162022054_DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (176kB)
	Text 162022054_LAMPIRAN.pdf Restricted to Repository staff only Download (4MB)
	Text 162022054_COVER_SAMPAI_LAMPIRAN.pdf Restricted to Repository staff only Download (7MB)

Abstract

Intrusion Detection System (IDS) merupakan sistem keamanan jaringan yang digunakan untuk mendeteksi aktivitas serangan pada jaringan komputer. Penelitian ini bertujuan untuk menganalisis penerapan IDS berbasis machine learning menggunakan metode entropy dan Information Gain dalam mendeteksi serangan Denial of Service (DoS) pada jaringan kampus. Penelitian dilakukan menggunakan lingkungan simulasi jaringan virtual yang terdiri dari server, client, dan attacker menggunakan VirtualBox. Proses pengambilan data dilakukan dengan melakukan capture trafik normal dan trafik serangan menggunakan Wireshark. Simulasi serangan dilakukan menggunakan tools Hping3 pada sistem operasi Kali Linux dengan metode SYN Flood menuju port 22 (SSH) server target. Dataset hasil capture kemudian dianalisis menggunakan metode entropy dan Information Gain untuk proses seleksi fitur sebelum dilakukan klasifikasi menggunakan algoritma Decision Tree. Hasil penelitian menunjukkan bahwa sistem IDS mampu mendeteksi trafik serangan berdasarkan pola trafik abnormal yang didominasi paket TCP SYN. Penerapan metode entropy dan Information Gain membantu meningkatkan relevansi fitur sehingga proses klasifikasi trafik normal dan serangan dapat dilakukan dengan lebih efektif. Penelitian ini diharapkan dapat membantu meningkatkan keamanan jaringan kampus terhadap serangan DoS.

Item Type:	Thesis (Skripsi)
Subjects:	Teknologi informasi > Jaringan
Divisions:	Fakultas Teknik > Teknologi Informasi (S1)
Depositing User:	Mahasiswa Fakultas Teknik
Date Deposited:	10 Sep 2026 02:34
Last Modified:	10 Sep 2026 02:34
URI:	http://repository.um-palembang.ac.id/id/eprint/37322

Actions (login required)

View Item