Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434
i
DEWAN REDAKSI
Penanggung Jawab : M. Nur Anbiya
Pimpinan Redaksi : Reynaldi Noer Rizki
Anggota Penyunting : M. Fahmi Irfananda
Syifa Fauziyah N. I
Sachi Hongo
Faradilla Azranur
Mitra Bestari : Dr. Juli Rejito, M.Kom
Dr. Setiawan Hadi, M.Sc.CS.
Drs. Ino Suryana, M.Kom
Dr. Aje Setiawan A.,MS, M.Kom
Editor/Layout : Zaenal Muttaqien
Kesekretariatan : Junia Adhani Juzar
Bendahara : Sarah Hasna Azzahra
Alamat Redaksi :
Sekretariat: Gedung PPBS D Lantai 3
Universitas Padjadjaran
Jalan Raya Bandung – Sumedang K. 21 Jatinangor 45363
e-mail : [email protected] website: himatif.fmipa.unpad.ac.id
Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434
ii
KATA PENGANTAR
Assalaamualaikum Wr. Wb.
Salam sejahtera untuk kita semua.
Om Swastiastu.
Sotthi hotu.
Informatics Festival 2018 adalah acara tahunan yang diselenggarakan oleh Badan
Eksekutif Himpunan Mahasiswa Teknik Informatika FMIPA Unpad yang sudah
berjalan 4 tahun ini secara konsisten.
Salah satu rangkaian dari IFest 2018 adalah Seminar Nasional Informatika dimana
di rangkaian tersebut menghadirkan 2 kegiatan utama yaitu pematerian oleh
pembicara yang ahli dibidang yang berkaitan dan presentasi dari pemakalah.
Seminar Nasional Informatika 2018 mengusung tema "Tech Up Your Knowledge
for Better Security" yang harapannya adalah untuk meningkatkan keamanan
dalam bentuk apapun untuk kemjuan teknologi informasi di Indonesia.
Kami panita Informatics Festival 2018, sangat senang sekali bisa menyambut
kedatangan yang terhormat bapak dan ibu peserta Seminar Nasional Informatika
2018 dan pemakalah di Graha Sanusi Universitas Padjadjaran, Bandung.
Tujuan Seminar Nasional Informatika 2018 ini adalah untuk menjadi salah satu
wadah yang memberikan kebermanfaatan dalam bidang teknologi informasi
dengan berbagai cara secara optimal untuk Indonesia yang lebih maju.
Pada Seminar Nasional Informatika 2018 ini, hadir lebih dari 230 peserta Seminar
Nasional Informatika dan 10 pemakalah untuk bersama-sama memajukan
teknologi informasi Indonesia.
Kami sangat terhormat bisa menghadirkan empat pembicara utama di Seminar
Nasional Informatika 2018 ini. Dengan segala hormat kami mengucapkan terima
kasih kepada bapak Dadhi Wijayanto, S.Si, CEH, ENSA dari Leader of IT
Security Operation Garuda Indonesia, bapak Muhammad Fahri Shihab, BSc,
OSCP dari Security Engineer Gojek, bapak Yohanes Syailendra, M.Kom, CEH,
ECSA dari Assistant Manager Cyber Security PwC Indonesia, dan bapak Notario
Airlangga S.Kom, CEH, ECSA, CHFI, ENSA dari Security Engineer BRI.
Kami berharap semua peserta Seminar Nasional Informatika 2018 tidak hanya
mendapatkan pematerian maupun mempresentasikan makalah saja, namun juga
berperan aktif untuk turut serta bersama peserta lainnya lebih lanjut meningkatkan
teknologi informasi Indonesia.
Seminar Nasional Informatika 2018 ini tidak akan terlaksana apabila tidak ada
usaha dari berbagai macam individu yang berkontribusi secaca maksimal untuk
terselenggaranya kegiatan ini.
Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434
iii
Untuk dedikasinya, dengan rasa hormat dan tulus kami sangat berterima kasih dan
mengapresiasi.
Dengan rasa hormat dan tulus kami ucapkan tertuju kepada lembaga-lembaga
yang sangat membantu untuk terlaksananya kegiatan Seminar Nasional
Informatika 2018.
Terakhir, kami berharap seluruh peserta Seminar Nasional Informatika 2018 dapat
mengimplementasikan secara nyata ilmu-ilmu yang disampaikan oleh pemateri
maupun pemakalah untuk bersama-sama berkolaborasi memajukan teknologi
informasi Indonesia.
Wassalaamualaikum Wr. Wb.
Dengan Hormat,
Jatinangor, 16 Desember 2018
Muhammad Nur Anbiya Pohan
Ketua Pelaksana
Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434
iv
DAFTAR ISI
DEWAN REDAKSI ................................................................................................ i
KATA PENGANTAR ............................................................................................ ii
DAFTAR ISI .......................................................................................................... iv
KOMPARASI ALGORITMA DATA MINING DALAM PREDIKSI
KEAMANAN WEBSITE ...................................................................................... 1
MENGGAGAS ELECTRONIC VOTINGDALAM MEMPERKUAT
PEMERINTAHAN NEGARA................................................................................ 6
PENETRATION TEST CONSIDERATIONS FOR INTERNET OF THINGS
(IOT) ENVIRONMENT ....................................................................................... 13
PEMANFAATAN BLOCKCHAIN PADA RANTAI PASOK PRODUK DAN
REKAM JEJAK UMKM UNTUK MENINGKATKAN PERTUMBUHAN
INDUSTRI ............................................................................................................ 24
ANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL TWITTER
TERHADAP ASIAN GAMES 2018 DENGAN METODE SUPPORT VECTOR
MACHINE ............................................................................................................. 29
SISTEM E-VOTING MENGGUNAKAN SMART CARD DENGAN DIGITAL
SIGNATURE ALGORITMA RSA DAN PENGGUNAAN MODEL JARINGAN
LOCAL CLIENT-SERVER BERBASIS TEMPAT PEMUNGUTAN SUARA
(TPS) (STUDI KASUS PILKADA KABUPATEN MAJALENGKA) ............... 36
RANCANG BANGUN SISTEM INFORMASI DESA E-GOVERNMENT
(STUDI KASUS DESA TANJUNGSARI KECAMATAN SUKAHAJI
MAJALENGKA) .................................................................................................. 43
Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434
1
KOMPARASI ALGORITMA DATA MINING DALAM PREDIKSI
KEAMANAN WEBSITE
Aswan Supriyadi Sunge1, Wisti Dwi Septiani2
STT Pelita Bangsa, AMIK BSI Jakarta
[email protected], [email protected]
ABSTRAK Masalah keamanan merupakan salah satu isu terbesar dalam berinternet. Memang diakui dalam
pengguna online berpikir aman ketika masuk ke dunia maya, padahal jika tidak mengetahui
dalam keamanan kemungkinan akan terjadi hal yang tidak diinginkan terutama dalam pencuri
data. Untuk itu dibutuhkan prediksi dalam melihat website yang benar-benar aman, dengan
menggunakan metode klasifikasi data mining Algoritma C.45, Neural Network dan Naïve Bayes
maka dapat melihat hasil prediksi website yang aman dikunjungi. Berdasarkan akurasi Algoritma
C4.5 menunjukkan hasil presentase 92.08% sedangkan Neural Network sebesar 95.35% dan
Naïve Bayes sebesar 72.61%.
Kata kunci : Prediksi, Klasifikasi, Website
ABSTRACT
Security issues are one of the biggest issues in the internet. Indeed, it is recognized in online
users to think safely when entering the virtual world, even though if you do not know in security
it is likely that things will happen that are undesirable, especially in data theft. For this reason,
predictions are needed in viewing websites that are truly safe, using the data mining
classification method of the C.45 Algorithm, the Neural Network and Naïve Bayes, which can see
the predicted results of websites that are safe to visit. Based on the accuracy of the C4.5
Algorithm, the percentage results were 92.08% while the Neural Network was 95.35% and Naïve
Bayes was 72.61%.
Keywords: Prediction, Classification, Comparison
Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434
2
PENDAHULUAN
Pada tahun 1990-an merupakan
perubahan teknologi informasi terutama
dalam era internet. Dilihat dari pertumbuhan
internet di dunia sudah tembus lebih dari 4
milyar1. Pertumbuhan internet juga diiringi
dengan penggunaan e-commerce yang
memberikan kesempatan tanpa bersusah
payah dalam berbelanja dan termasuk
pertukaran data eletronik maupun transaksi
perbankan. Namun dibalik kemudahan
dalam berinternet muncul masalah yaitu
Cybercrimes, yang merupakan prilaku
illegal yang mengarah operasi elektronik
yang target utama keamanan system
computer maupun internet dan proses data2.
Munculnya Cybercrimes ialah ketidak
tahuan akan keamanan berinternet terutama
tidak bisa membedakan situs yang benar-
benar aman. Satu hal yang lagi ketidak
amanan dalam berinternet juga sudah
merambah situs media sosial3. Maka dari itu
penelitian ini bertujuan dalam memprediksi
situs yang terindikasi aman ataupun tidak
aman ketika dikunjungi.
Data mining merupakan data yang
lampau bisa dibilang data yang menjadi
informasi yang tersimpan dalam database4.
Di data mining terdapat beberapa teknik
salah satunya yaitu klasifikasi, yang
merupakan sering digunakan dalam
menentukan intem dari dataset yang didapat
ke dalam suatu class. Tujuan dari klasifikasi
merupakan sebagai prediksi class yang
dicari secara akurat pada setiap kasus dalam
data5. C4.5, Naïve Bayes dan Neural
Network adalah algoritma yang biasa
digunakan dalam melakukan klasifikasi.
Algoritma C4.5 merupakan
pengembangan dari ID3 dalam Gain Ratio
untuk memperbaharui information gain.Juga
10 algoritma yang banyak dipakai dalam
data mining6. Kedua metode mempunyai
prinsip yang sama tetapi ada perbedaan
utama yaitu :
1. C4.5 dapat menangani atribut yang
kontinyu dan juga menangani data
yang lost.
2. Hasil yang didapat akan terpangkas
setelah dibentuk.
3. Pemilihan atribut menggunakan Gain
Ratio.
Dengan atribut Gain Ratio yang paling
tertinggi dipilih sebagai atribut test.
Pendekatan ini juga menerapakan
normalisasi pada Informatian Gain yang
disebut dengan Split Information.
Neural Network (NN) banyak
digunakan digunakan terutama dalam
prediksi data mining, pada awalnya
dibangun dalam machine learning untuk
mencoba meniru neurofisiologi dari otak
manusia melalui kombinasi elemen
komputasi sederhana (neuron) dalam sistem
yang saling berhubungan. NN dapat
memperkirakan rentang yang cukup luas
dalam suatu model statistika dan fleksibel
dalam menggambar model salah satu dalam
data mining7. Salah satu kelebihan NN ialah
cukup baik dalam menangani data yang
mengandung noise8. Multilayer perceptron
(MLP) disebut juga dengan Multilayer
Feedforward Neural Network merupakan
algoritma yang paling luas digunakan. MLP
terdiri dari input layer, satu atau lebih
hidden layer, dan output layer9.
Naïve Bayes (NB) salah satu metode
dalam klasifikasi, kadang disebut juga
sebagai idiot’s Bayes, simple Bayes,
independence Bayes dikarenakan juga
metode sederhana dalam klasifikasi
berdasarkan teori probabilitas yaitu Bayesin
theorem10. Kelebihan NB yaitu
mengandalkan bahwa tidak ada atribut yang
tersembunyi yang bisa mempengaruhi dalam
proses prediksi.
METODE PENELITIAN
Data yang digunakan dalam penelitian ini
merupakan data dari
https://www.kaggle.com/akashkr/phishing-
website-dataset. Dengan jumlah sebanyak
11055 data yang terdiri dari 30 atribut dan
satu Class Aman (-1) dan Tidak Aman (1).
Dari keseluruhan data tersebut dibagi 2 yang
dijadikan data training 80% dan dan data
testing 20% . Untuk mengukur tingkat
akurasi dari prediksi keamanan website
menggunakan Rapid Miner. Tahapan dalam
penelitian ini sebagai berikut :
1. Penggunaan data yang didapat yang
berupa dataset .
Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434
3
2. Penentuan Algoritma yang digunakan
yaitu Algoritma C4.5, NN, Naïve
Bayes.
3. Pengujian data set dengan metode yang
digunakan dengan RapidMiner.
4. Pengujian data dengan setiap pengujian
dibagi menjadi data training dan data
testing.
5. Analisis pengujian didapatkan
accuracy, precision, recall dan AUC
dari masing metode algoritma
6. Dari hasil yang tertinggi dari metode
yang digunakan dari Algoritma C4.5,
NN, NB untuk melihat akurasi paling
tinggi dalam keamanan website.
Adapun tahapan penelitian ini digambar
dibawah ini.
Gambar 1. Tahapan Penelitian
HASIL PENGUJIAN
Berdasarkan hasil pengujian dengan
RapidMiner dengan data Training dan
Testing diperoleh Accuracy, Precision,
Recall dan AUC dengan metode C4.5
didapat sebagai berikut :
Training Testing
Accuracy 92.08% 91.36%
Precision 92.78% 90.69%
Recall 93% 94.53%
AUC 0.993 0.987
Tabel 1 Pengujian Dengan C4.5
Hasil pengujian dengan RapidMiner
dengan data Training dan Testing diperoleh
Accuracy, Precision, Recall dan AUC
dengan metode Neural Network didapat
sebagai berikut :
Training Testing
Accuracy 95.35% 92.81%
Precision 95.75% 93.34%
Recall 95.91% 93.96%
AUC 0.989 0.978
Tabel 2 Pengujian Dengan NN
Hasil pengujian dengan RapidMiner
dengan data Training dan Testing diperoleh
Accuracy, Precision, Recall dan AUC
dengan metode Naïve Bayes didapat sebagai
berikut :
Jika dilihat dan dibandingkan ketiga metode
tersebut maka terlihat akurasi yang tertinggi
dengan data testing yaitu :
Training Testing
Accuracy 72.61% 72.73%
Precision 99.32% 99.69%
Recall 51.09% 51.62%
AUC 0.968 0.967
Tabel 3 Pengujian Dengan NB
Jika dilihat dan dibandingkan ketiga metode
tersebut maka terlihat akurasi yang tertinggi
dengan data training yaitu :
Gambar 2 Data Training
Jika dilihat dan dibandingkan ketiga metode
tersebut maka terlihat akurasi yang tertinggi
dengan data testing yaitu :
Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434
4
91,36
60,69
94,5392,81 93,34 93,9672,73
99,69
51,62
0
50
100
150
Accuracy Precision Recall
Data Testing
C4.5 Neural Network Naïve Bayes
Gambar 3 Data Testing
Pengujian berdasarkan model evaluasi
komparasi dengan menggunakan ROC
Curve maka terlihat secara visual
perbandingan dari ketiga metode dari C4.5,
Neural Network dan Naïve Bayes.
Gambar 4 Komparasi Training ROC Curve
SIMPULAN
Hasil pengujian menunjukkan bahwa
penelitian in diperoleh accuracy Neural
Network lebih tinggi dibanding metode yang
lainnya dengan perbandingan 95.35% dan
C4.5 sebesar 92.08% dan Naïve Bayes
sebesar 73.61% dan dilihat dari ROC Curve
maka Neural Network lebih tinggi akurasi
dengan dibanding C4.5 dan Niave Bayes.
Berdasarkan hasil penelitian ini memberikan
saran yaitu :
1. Perlunya penelitian lebih lanjut dengan
pengujian dengan metode lain seperti
SVM, k-NN dan lain sebagainya
sebagai perbandingan yang lebih akurat
dan akurasi lebih tinggi
2. Juga melakukan pengujian optimasi
lain seperti Adaboost atau PSO dalan
peningkatan akurasi
3. Juga dibuatnya suatu aplikasi maupun
system dalam prediksi keamanan
website.
DAFTAR PUSTAKA
[1] https://www/internetworldstats.com/stats
(2018)
[2] P. B. Pathak, "Cybercrime: A Global
Threat to Cybercommunity,"
International Journal of Computer
Science & Engineering Technology
(IJCSET), vol. 7, no. 3, pp. 46-49, 2016
[3] Wibowo, Mia Haryati dan Nur Fatimah,
(2007), “Ancaman Phishing Terhadap
Penggunaan Sosial Media Dalam Dunia
Cyber Crime” Volume 1 No 1 : 1 – 5
[4] Larose, (2015) “Discovering Knowledge
in Data: An Introduction to Data
Mining”, John Willey & Sons, Inc.
[5] G. Kesavaraj and S. Sukmaran, “"A
Study On Classification Techniques in
Data Mining," 6 July 2013.
[6]https://www.semanticscholar.org/paper/T
op-10-algorithms-in-data-mining-Wu-
Kumar/c6ebf00e625de70a8e2c1bdabbd5
027ae8fe4495
[7] Y. Bar-Yam, Dynamicx of Complex
Systems, 2008
[8] Larose, Daniel T.(2005) . Discovering
Knowledge in Data : An Introduction to
Data Mining. John Willey & Sons, Inc
[9] Vercellis, Carlo. (2009). Business
Intelligence: Data Mining and
Optimization for Decision Making.
United Kingdom: John Willey & Son.
[10]Witten, I.H. & Frank E. (2000), Data
Mining– Practical Machine Learning
Tools and Techniques, Second edition,
Morgan Kaufmann, San Francisco.
Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434
5
Biodata Penulis
Aswan Supriyadi
Sunge, M.Kom.
Lahir di Jakarta, 26
Januari 1980. Penulis
adalah Staff Pengajar
di STT Pelita Bangsa
sejak tahun 2014-
sekarang.
Menyelesaikan Studi
S2 di Pascasarjana STMIK Nusa Mandiri
Jakarta program studi Ilmu Komputer.
Penelitian yang pernah dilakukan seperti :
(1) Komparasi Menggunakan Algoritma
C4.5, Neural Network dan Naïve Bayes
Dalam Prediksi Ujian Kompentensi SMK
Mahadhika 4 Jakata, Terbit di Seminar
Nasional Ilmu Pengetahuan dan Teknologi
Komputer 2 (1), 391-397 Vol. 2014. (2)
Prediksi Ujian Kompetensi Dengan
Menggunakan Klasifikasi Algoritma C4. 5
Di SMK Mahadhika 4 Jakarta, terbit di Bina
Insani ICT Journal 1 (2), 136-150 Vol. ,
2014. (3) Prediksi Kompetensi Karyawan
Menggunakan Algoritma C4.5 (Studi Kasus
: PT Hankook Tire Indonesia) terbit di
Seminar Nasional Teknologi Informasi dan
Komunikasi Universitas Atmajaya
Jogyakarta tanggal 23 -24 Maret 2018.
Nomor ISSN Publikasi Online Sentika :
2337-3377. (4) Optimasi Algoritma C.45
Menggunakan Genetic Algoritma Dalam
Memprediksi Website Phishing terbit di
Seminar Nasional Inovasi dan Tren (SNIT)
2018 tanggal 25 Juli 2018 BSI Kaliabang
ISBN 978-602-61268-5-6. (5) Optimasi
Algoritma C4.5 Dalam Prediksi Web
Phishing Menggunakan Seleksi Fitur
Genetic Algoritma terbit di Jurnal
PARADIGMA (Jurnal Komputer dan
Informatika Bina Sarana Informatika) Vol
XX No. 02 September 2018 P-ISSN : 1410-
5063 E-ISSN : 2579-3500
Wisti Dwi Septiani,
M.Kom. Lahir di
Jakarta, 17
September 1986.
Penulis adalah Staff
Pengajar di AMIK
BSI Jakarta sejak
tahun 2008-sekarang.
Menyelesaikan Studi
S2 di Pascasarjana
STMIK Nusa Mandiri Jakarta program studi
Ilmu Komputer. Penelitian yang pernah
dilakukan seperti : (1) Penerapan Algoritma
C4.5 Untuk Prediksi Penyakit Hepatitis,
Terbit di Jurnal Techno Vol XI. No.1 Maret
2014. (2) Komparasi Metode Klasifikasi
Data Mining Algoritma C4.5 dan Naive
Bayes untuk Prediksi Penyakit Hepatitis,
terbit di Jurnal Jurnal Pilar Vol 13 No. 1
Februari 2017. (3) Sistem Informasi
Penerimaan Donasi (Studi Kasus: Yayasan
Sahabat Yatim Indonesia) terbit di JITK Vol
3 No. 1 Agustus 2017. (4) Penerapan
Waiting Line Method Untuk Peningkatan
Kualitas Pelayanan Pelanggan Dengan
Meminimalkan Antrian (Studi Kasus:
ANKidz Bogor) diseminarkan dalam
Simposium Nasional Ilmu Pengetahuan dan
Teknologi (SIMNASIPTEK) AMIK BSI
Jakarta September 2017.