Particle Swarm Optimization pada Fuzzy c-means Untuk Mendeteksi Serangan Jaringan Komputer
| Main Author: | Dirgantara |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2011
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/152628/1/051102926.pdf http://repository.ub.ac.id/152628/ |
Daftar Isi:
- Intruction detection System (IDS) adalah perangkat lunak untuk mendeteksi aktivitas yang mencurigakan dalam jaringan komputer dengan menganalisa paket data yang masuk. Sebagian IDS bekerja dengan basis anomaly. Metode ini menggunakan teknik pengelompokan untuk mengklasifikasikan jenis serangan. Fuzzy c-means merupakan salah satu algoritma clustering. Fuzzy c-means adalah sebuah teknik pengelompokan data dimana keberadaan tiap titik data pada setiap cluster ditentukan dengan menggunakan nilai derajat keanggotaan (Kusumadewi, 2004). Pada penelitian ini Fuzzy c-means akan diimplementasikan untuk mengelompokan aktivitas serangan jaringan komputer. Record data aktivitas jaringan komputer memiliki feature yang besar yang menyebabkan hasil clustering tidak optimal. Oleh karena itu diperlukan algoritma optimasi. Partikel Swarm Optimization(PSO) adalah bagian dari Swarm Intelligence untuk menyelesaikan masalah optimasi yang memiliki kemampuan dalam mencapai titik optimum secara efektif (Kennedy, 2001). Pada penelitian ini sebuah ruang permasalahan PSO memiliki beberapa particle. Setiap particle merupakan proses clustering yang memiliki pbest dan vector velocity. Pada setiap generasi, masing-masing particle akan berinteraksi untuk mencapai solusi hasil clustering terbaik. Pada akhir generasi akan dipilih particle tebaik dari semua particle untuk semua generasi. Hasil dari penelitian ini, yaitu algoritma optimasi Partikel Swarm Optimization(PSO) dapat digunakan pada Fuzzy c-means. Penggunaan PSO pada Fuzzy c-means terbukti dapat meningkatkan nilai objektif hasil clustering. Dalam percobaan dengan beberapa parameter yang berbeda didapatkan nilai optimasi terbaik pada jumlah particle =0, w = 0,1 dan nilai optimasi paling buruk pada w = 0,9 dengan jumlah perulangan sebanyak 20 kali.