Maulana, O.K. Muhammad Majid (2025) SPAMMER DETECTION PADA JARINGAN KOMPUTER BERBASIS WEB MENGGUNAKAN METODE GAUSSIAN NAÏVE BAYES CLASSIFIER DENGAN AKUISISI DATA LATIH MENGGUNAKAN METODE K-MEDOIDS. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (200kB)
	Text Abstrak.pdf Download (145kB)
	Text Bab I.pdf Download (937kB)
	Text Daftar Pustaka.pdf Download (952kB)
	Text Full-text.pdf Restricted to Registered users only Download (5MB)

Abstract

Alamat IP publik pada jaringan komputer dapat diblokir oleh layanan server akibat aktivitas mencurigakan, seperti jumlah permintaan tinggi dan pengiriman paket yang tidak seimbang. Untuk mendeteksi aktivitas spammer pada jaringan publik, penelitian ini mengembangkan sistem klasifikasi berbasis algoritma Gaussian Naïve Bayes dengan data latih yang diperoleh melalui klasterisasi K-Medoids. Data latih dikumpulkan dari empat kali pengambilan, menghasilkan 20.380 data yang kemudian diproses untuk menghilangkan atribut yang mengganggu klasterisasi. Klasterisasi menghasilkan dua kelompok, yaitu klaster normal (label 0) dengan 20.368 data dan klaster spammer (label 1) dengan 12 data. Sistem deteksi dirancang menjadi tiga subsistem utama: manajemen data real-time, identifikasi perangkat, dan aplikasi monitoring berbasis web. Subsistem manajemen data menggunakan RouterOS API untuk mengumpulkan data lalu lintas, melakukan klasifikasi, dan menyimpan hasilnya dalam format CSV dengan interval 9 detik. Subsistem identifikasi perangkat mengekstraksi informasi dari hostname dan alamat MAC menggunakan metode rulebase untuk menentukan sistem operasi, vendor, dan tipe perangkat, mendukung Network Administrator dalam peninjauan perangkat yang teridentifikasi sebagai spammer. Aplikasi monitoring berbasis Flask menyediakan tampilan informatif berbentuk diagram, tabel, dan peta lokasi, serta mendukung pengelolaan akun dengan tingkat akses berbeda. Pengujian algoritma Gaussian Naïve Bayes menunjukkan kinerja akurat dengan akurasi 99,436%, presisi 100%, recall 99,435%, dan F1-score 99,699% berdasarkan Confusion Matrix. Hasil ini mencerminkan kemampuan sistem yang optimal dalam mendeteksi aktivitas spammer pada jaringan komputer, sekaligus memberikan kemudahan bagi Network Administrator dalam monitoring jaringan secara real-time.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	O.K.Muhammad Majid Maulana
Date Deposited:	16 Jun 2025 02:45
Last Modified:	16 Jun 2025 02:45
URI:	https://rama.unimal.ac.id/id/eprint/12015

Actions (login required)

View Item