Arrosyid Arsyad, Dirsya (2025) Optimasi Algoritma Random Forest dengan Particle Swarm Optimization pada Intrusion Detection System untuk Peningkatan Deteksi Ransomware. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
![]() |
PDF
HALAMAN_AWAL.pdf Download (1MB) |
![]() |
PDF
BAB_I.pdf Download (207kB) |
![]() |
PDF
BAB_II.pdf Download (484kB) |
![]() |
PDF
BAB_III.pdf Download (365kB) |
![]() |
PDF
BAB_IV.pdf Restricted to Registered users only Download (552kB) |
![]() |
PDF
BAB_V.pdf Download (200kB) |
![]() |
PDF
DAFTAR_PUSTAKA.pdf Download (205kB) |
![]() |
PDF
LAMPIRAN.pdf Restricted to Registered users only Download (210kB) |
Abstract
Ransomware merupakan salah satu ancaman siber yang selalu berkembang setiap saat dalam aspek penanganan dan tingkat mengelabui sistem keamanan. Dibutuhkan sebuah Intrusion Detection System (IDS) agar dapat melakukan deteksi dini terhadap ransomware. Terdapat penelitian terdahulu menggunakan algoritma Random Forest (RF) yang dioptimasi dengan Principal Component Analysis (PCA) dalam pengembangan IDS akan tetapi hanya digunakan untuk mendeteksi kerentanan secara umum. Penelitian ini bertujuan untuk mengoptimalkan algoritma RF menggunakan Particle Swarm Optimization (PSO) pada IDS untuk peningkatan deteksi ransomware secara khusus dan akan dibandingkan dengan optimasi algoritma sebelumnya. Hasil penelitian menunjukkan bahwa algoritma RF yang dioptimasi dengan PSO mendapatkan hasil yang lebih baik pada testing set dibandingkan algoritma RF yang dioptimasi dengan PCA yaitu dengan hasil tingkat akurasi 0,999, precision 0,997, recall 1,0, f1-score 0,998 dan response time 1,04 detik.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Ransomware, Intrusion Detection System, Random Forest, Principal Component Analysis, Paritcle Swarm Optimization |
Subjects: | ?? T58.5-58.64 ?? |
Divisions: | Faculty of Engineering & Informatics > Informatics |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 01 Jul 2025 07:56 |
Last Modified: | 01 Jul 2025 07:56 |
URI: | https://kc.umn.ac.id/id/eprint/37545 |
Actions (login required)
![]() |
View Item |