Optimasi Anomaly Based Intrusion Detection System Menggunakan Arsitektur Multilayer Perceptron Dengan Metode Seleksi Fitur Analysis Of Variance

SETIAWAN, Syariful Hanif (2026) Optimasi Anomaly Based Intrusion Detection System Menggunakan Arsitektur Multilayer Perceptron Dengan Metode Seleksi Fitur Analysis Of Variance. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive softfileskripsi24060122130095.zip Restricted to Repository staff only Download (7MB) \| Request a copy
	Text 1. HALAMAN JUDUL.pdf Download (190kB)
	Text 2. HALAMAN PENGESAHAN 1.pdf Download (286kB)
	Text 5. KATA PENGANTAR.pdf Download (313kB)
	Text 6. ABSTRAK.pdf Download (256kB)
	Text 7. ABSTRACT.pdf Download (175kB)
	Text 8. DAFTAR ISI.pdf Download (492kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (376kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (362kB)

Abstract

Pertumbuhan pesat ekosistem Internet of Things (IoT) telah menimbulkan tantangan
signifikan dalam bidang keamanan siber, khususnya terkait serangan Distributed Denial of
Service (DDoS) dan berbagai serangan intrusi jaringan lainnya. Penelitian ini mengusulkan
sistem deteksi intrusi berbasis anomali (Anomaly-based Intrusion Detection System / AIDS)
yang mengintegrasikan metode seleksi fitur Analysis of Variance (ANOVA) F-test dengan
arsitektur deep learning Multilayer Perceptron (MLP) dengan skenario klasifikasi serangan
multikelas pada dataset Bot-IoT. Dari total 42 fitur, metode ANOVA berhasil memilih 10
fitur paling berpengaruh, sehingga mengurangi dimensi data sebesar 71,4% sekaligus
mencapai nilai Macro f1-score sebesar 86,07%, yang mana lebih tinggi dibandingkan model
yang menggunakan seluruh fitur dengan nilai 83,90%. Model yang diusulkan dengan total
46.085 parameter menunjukkan kinerja yang kompetitif dibandingkan metode seleksi fitur
lainnya, serta hanya membutuhkan waktu komputasi fitur sebesar 1,4 detik dibandingkan
dengan 772,9 detik pada pendekatan berbasis wrapper. Hasil penelitian ini menunjukkan
bahwa seleksi fitur berbasis ANOVA memberikan keseimbangan yang baik antara performa
klasifikasi dan efisiensi komputasi khususnya untuk lingkungan IoT dengan keterbatasan
sumber daya.
Kata kunci : Internet of Things, Intrusion Detection System, ANOVA Feature Selection,
Multilayer Perceptron, Bot-IoT Dataset, Network Security

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Informatics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	03 Jun 2026 08:19
Last Modified:	03 Jun 2026 08:19
URI:	https://eprints2.undip.ac.id/id/eprint/51740

Actions (login required)

View Item

Search for collections on Undip Repository