MEAN ABSOLUTE DIFFERENCE (MAD) SEBAGAI METODE PEMILIHAN FITUR UNTUK DETEKSI SERANGAN PADA JARINGAN INTERNET OF MEDICAL THINGS MENGGUNAKAN ALGORITMA RANDOM FOREST DAN GRADIENT BOOSTING

MERYANDI ANDIKA PUTRA (2025) MEAN ABSOLUTE DIFFERENCE (MAD) SEBAGAI METODE PEMILIHAN FITUR UNTUK DETEKSI SERANGAN PADA JARINGAN INTERNET OF MEDICAL THINGS MENGGUNAKAN ALGORITMA RANDOM FOREST DAN GRADIENT BOOSTING. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_56201_2102010030.pdf Download (25MB)

Abstract

Keamanan jaringan Internet of Medical Things (IoMT) menjadi tantangan besar akibat tingginya ancaman serangan siber. Penelitian ini bertujuan untuk meningkatkan akurasi deteksi serangan dengan menggunakan metode Mean Absolute Difference (MAD) untuk seleksi fitur, serta algoritma Random Forest dan Gradient Boosting untuk klasifikasi. Data yang digunakan divalidasi menggunakan teknik 10-fold cross-validation. Hasil penelitian menunjukkan bahwa algoritma Random Forest dengan seleksi fitur MAD mencapai akurasi hingga 100%, sementara Gradient Boosting juga menunjukkan performa tinggi meskipun sedikit lebih rendah. Penelitian ini membuktikan efektivitas MAD dalam meningkatkan performa model deteksi serangan. Implikasi dari penelitian ini adalah pengembangan sistem keamanan jaringan IoMT yang lebih efisien dan akurat di masa mendatang. Kata Kunci: Mean Absolute Difference, Random Forest, Gradient Boosting, Internet of Medical Things, Intrusion Detection System.

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Rekayasa Perangkat Lunak
Depositing User:	Admin Perpus UnivBI
Date Deposited:	07 Feb 2026 03:16
Last Modified:	07 Feb 2026 03:16
URI:	http://eprints.univbinainsan.ac.id/id/eprint/496

Actions (login required)

View Item