KLASIFIKASI SERANGAN DDOS PADA JARINGAN IOMT MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN KERNEL POLYNOMIAL

MUHAMMAD AGUNG PRAYOGI (2025) KLASIFIKASI SERANGAN DDOS PADA JARINGAN IOMT MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN KERNEL POLYNOMIAL. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_56201_2102010039.pdf Download (12MB)

Abstract

Internet of Medical Things (IoMT) merupakan perkembangan signifikan dalam sektor kesehatan yang memungkinkan pemantauan pasien secara real-time dan meningkatkan efisiensi diagnosis. Namun, jaringan IoMT rentan terhadap serangan siber, khususnya serangan Distributed Denial of Service (DDoS) yang dapat membahayakan keamanan data medis yang sensitif. Penelitian ini bertujuan untuk mengembangkan model klasifikasi menggunakan algoritma Support Vector Machine (SVM) dengan kernel polynomial untuk mendeteksi serangan DDoS pada jaringan IoMT. Dengan memanfaatkan dataset CICIoMT 2024, penelitian ini mengukur performa model menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM dengan kernel polynomial memiliki akurasi tinggi (83% pada data latih dan 75% pada data uji) untuk sebagian besar kelas, termasuk benign dan beberapa jenis serangan DDoS tertentu. Meskipun demikian, model ini memiliki keterbatasan dalam mendeteksi jenis serangan tertentu, seperti DDoS TCP. Validasi silang menunjukkan bahwa model cukup stabil namun sedikit mengalami overfitting. Penelitian ini berkontribusi pada peningkatan keamanan IoMT dan memberikan wawasan untuk pengembangan sistem deteksi intrusi yang lebih andal. Kata Kunci: Internet of Medical Things, keamanan siber, serangan DDoS, deteksi intrusi, Support Vector Machine, kernel polinomial, CICIoMT 2024, pembelajaran mesin, validasi silang, kinerja klasifikasi

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 03:11
Last Modified:	07 Feb 2026 03:13
URI:	http://eprints.univbinainsan.ac.id/id/eprint/494

Actions (login required)

View Item