OPTIMASI KLASIFIKASI SERANGAN SIBER PADA SERVER MENGGUNAKAN METODE TRANSFORMER DAN TRANSFER LEARNING

Prasetyo, Edi Dwi (2025) OPTIMASI KLASIFIKASI SERANGAN SIBER PADA SERVER MENGGUNAKAN METODE TRANSFORMER DAN TRANSFER LEARNING. Masters thesis, UNIVERSITAS PEMBANGUNAN VETERAN JAWA TIMUR.

	Text (Cover) Cover.pdf Download (720kB)
	Text (Bab 1) BAB I.pdf Download (327kB)
	Text (Bab 2) BAB II.pdf Restricted to Repository staff only until 13 August 2027. Download (647kB) \| Request a copy
	Text (Bab 3) BAB III.pdf Restricted to Repository staff only until 13 August 2027. Download (567kB) \| Request a copy
	Text (Bab 4) BAB IV.pdf Restricted to Repository staff only until 13 August 2027. Download (1MB) \| Request a copy
	Text (Bab 5) BAB V.pdf Download (303kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Download (246kB)

Abstract

Perkembangan teknologi digital yang pesat mendorong meningkatnya jumlah serangan siber, terutama pada sistem server yang menjadi target utama. Deteksi dini dan klasifikasi yang akurat terhadap jenis serangan sangat penting untuk meningkatkan keamanan sistem. Penelitian ini bertujuan untuk mengoptimasi proses klasifikasi serangan siber dengan memanfaatkan metode Transformer dengan pendekatan Transfer Learning. Dataset yang digunakan terdiri atas log aktivitas server dan data lalu lintas jaringan, mencakup tiga jenis kelas: Normal, SQL Injection dan DDoS, yang dikumpulkan dari hasil simulasi serangan menggunakan tools seperti Apache Server dan Wireshark. Model Transformer yang digunakan adalah model BERT dan RoBERTa, mempunyai lapisan klasifikasi yang dapat menyesuaikan dengan data spesifik. Hasil evaluasi menunjukkan bahwa model BERT dan RoBERTa yang dioptimasi menggunakan Transfer Learning mampu mencapai akurasi masing-masing hingga 97%, dengan nilai precision, recall, dan f1-score yang tinggi pada sebagian besar kelas, kecuali pada kelas DDoS yang masih memerlukan penyempurnaan. Penelitian ini menunjukkan bahwa pendekatan berbasis Transformer yang dioptimasi dengan Transfer Learning sangat potensial untuk mendeteksi serangan siber secara otomatis dan akurat.

Item Type:

Thesis (Masters)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Rahmat, Basuki	NIP19690723 202121 1 002	basukirahmat.if@upnjatim.ac.id
Thesis advisor	Puspita Sari, Anggraini	NIP222198 60 816400	anggraini.puspita.if@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76.6 Computer Programming
Q Science > QA Mathematics > QA76.87 Neural computers
Q Science > QA Mathematics > QA76.9 .A25 Computer Security

Divisions:

Faculty of Computer Science > Magister Information Technology

Depositing User:

Edi Dwi Prasetyo

Date Deposited:

13 Aug 2025 08:29

Last Modified:

14 Aug 2025 01:38

URI:

https://repository.upnjatim.ac.id/id/eprint/41667