Klasifikasi Masalah Intrusion Detection System dengan Menggunakan Metode Fuzzy C-Means dan Laplacian Score

Abstract

Di era internet of things keamanan sistem maupun jaringan perlu ditingkatkan untuk mengantisipasi kemungkinan adanya serangan. Intrusion Detection System (IDS) adalah alat ataupun perangkat lunak untuk memantau sistem atau jaringan dari kemungkinan adanya serangan atau pelanggaran yang terjadi. Terdapat dua pendekatan umum pada masalah IDS yaitu masalah Misuse Detection dan Anomaly Detection. Pada pendekatan Anomaly Detec tion, pendeteksian serangan didasarkan pada keberadaan anomaly behavior dengan asumsi normal behavior diketahui sebelumnya. Masalah IDS yang berbasiskan Anomaly Detection dapat diselesaikan menggunakan metode klasifikasi maupun clustering. Akan tetapi besarnya jumlah feature data dalam suatu masalah klasifikasi dapat menyebabkan besarnya biaya perhitungan baik dalam kaitannya dengan waktu komputasi maupun sumber daya memori yang digunakan. Kemungkinan lain adalah adanya sebagian feature yang tidak mewak ili data dengan baik ataupun feature yang redundant dan dapat menyebabkan penurunan performa klasifikasi. Untuk mengatasi masalah tersebut peneliti klasifikasi menggunakan metode pemilihan feature data dalam menyelesaikan masalah klasifikasinya. Dalam makalah ini, masalah IDS berbasiskan Anomaly Detection diselesaikan dengan menggunakan metode Fuzzy C-Means dan metode Laplacian Score digunakan sebagai metode pemilihan feature.