Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Penerapan Metode Support Vector Machine pada Sistem Deteksi Intrusi secara Real-time

IJCCS (Indonesian Journal of Computing and Cybernetics Systems) · Vol. 8 No. 1 (2014) · pp. 13–24

DOI
10.22146/ijccs.3491
ISSN
2460-7258, 1978-1520
Published
2014-01-31
Publisher
IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.
Language
eng
License
creativecommons.org/licenses/by-sa/4.0

Abstract

AbstrakSistem deteksi intrusi adalah sebuah sistem yang dapat mendeteksi serangan atau intrusi dalam sebuah jaringan atau sistem komputer, umum pendeteksian intrusi dilakukan dengan membandingkan pola lalu lintas jaringan dengan pola serangan yang diketahui atau mencari pola tidak normal dari lalu lintas jaringan. Pertumbuhan aktivitas internet meningkatkan jumlah paket data yang harus dianalisis untuk membangun pola serangan ataupun normal, situasi ini menyebabkan kemungkinan bahwa sistem tidak dapat mendeteksi serangan dengan teknik yang baru, sehingga dibutuhkan sebuah sistem yang dapat membangun pola atau model secara otomatis.Penelitian ini memiliki tujuan untuk membangun sistem deteksi intrusi dengan kemampuan membuat sebuah model secara otomatis dan dapat mendeteksi intrusi dalam lingkungan real-time, dengan menggunakan metode support vector machine sebagai salah satu metode data mining untuk mengklasifikasikan audit data lalu lintas jaringan dalam 3 kelas, yaitu: normal, probe, dan DoS. Data audit dibuat dari preprocessing rekaman paket data jaringan yang dihasilkan oleh Tshark.Berdasar hasil pengujian, sistem dapat membantu sistem administrator untuk membangun model atau pola secara otomatis dengan tingkat akurasi dan deteksi serangan yang tinggi serta tingkat false positive yang rendah. Sistem juga dapat berjalan pada lingkungan real-time. Kata kunci— deteksi intrusi, klasifikasi, preprocessing, support vector machine AbstractIntrusion detection system is a system for detecting attacks or intrusions in a network or computer system, generally intrusion detection is done with comparing network traffic pattern with known attack pattern or with finding unnormal pattern of network traffic. The raise of internet activity has increase the number of packet data that must be analyzed for build the attack or normal pattern, this situation led to the possibility that the system can not detect the intrusion with a new technique, so it needs a system that can automaticaly build a pattern or model.This research have a goal to build an intrusion detection system with ability to create a model automaticaly and can detect the intrusion in real-time environment with using support vector machine method as a one of data mining method for classifying network traffic audit data in 3 classes, namely: normal, probe, and DoS. Audit data was established from preprocessing of network packet capture files that obtained from Tshark. Based on the test result, the system can help system administrator to build a model or pattern automaticaly with high accuracy, high attack detection rate, and low false positive rate. The system also can run in real-time environment. Keywords— intrusion detection, classification, preprocessing, support vector machine

Collaboration network of the authors

38 authors · 52 co-authorship links · 15 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Gadjah Mada
  • Indonesia University of Education
  • Universitas Stikubank
  • University of Indonesia
  • Universitas Airlangga
  • Instituto Profissional de Canossa - IPDC
  • Universitas Halu Oleo
  • Other organisations
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Retantyo WardoyoUniversitas Gadjah Mada4
Khabib MustofaUniversitas Gadjah Mada4
Edhy SutantaUniversitas Gadjah Mada4
Agus HarjokoUniversitas Gadjah Mada3
Sandi Fajar RodiyansyahIndonesia University of Education2
Edy WinarnoUniversitas Stikubank2
Aniati Murni ArymurthyUniversity of Indonesia2
Mardi Siswo UtomoUniversitas Gadjah Mada1
Badrus ZamanUniversitas Airlangga1
Sulistyowati SulistyowatiAffiliation unknown1
Noviah Dwi PutrantiUniversitas Gadjah Mada1
Ambarwati AmbarwatiInstituto Profissional de Canossa - IPDC1
Agus Sasmito AriwibowoAffiliation unknown1
Eka KaryawatiUniversitas Gadjah Mada1
Robynson AmsekeAffiliation unknown1
Natalis RansiUniversitas Halu Oleo1
Sumarni AdiUniversitas Gadjah Mada1
Lutfi Budi IlmawanState University of Malang1
Wayan Gede Suka ParwitaUniversitas Gadjah Mada1
Fadhila Tangguh AdmojoUniversitas Gadjah Mada1
Siti KhomsahInstitut Teknologi Telkom Purwokerto1
Doni SetyawanUniversitas Gadjah Mada1
Fajar RatnawatiPoliteknik Negeri Bengkalis1
Ira ZulfaUniversitas Gadjah Mada1
Rakhmad IkhsanudinUniversitas Gadjah Mada1
Junanda PatihullahUniversitas Gadjah Mada1
Wafda RifaiUniversitas Gadjah Mada1
Sigit PriyantaUniversitas Gadjah Mada1
Sholikin Ady ChandraUniversitas Gadjah Mada1
Putri Rizki AmaliaUniversitas Gadjah Mada1
Angel Berta Desi SuryantiUniversitas Gadjah Mada1
Fahmi Reza PrasastioUniversitas Gadjah Mada1
Azhari AzhariUniversitas Gadjah Mada1
Anak Agung Istri Ngurah Eka KaryawatiUdayana University1
Arif RahmanUniversitas Gadjah Mada1
Khabis MustofaAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://journal.ugm.ac.id/ijccs/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Penerapan Metode Support Vector Machine pada Sistem Deteksi Intrusi secara Real-time</dc:title>
	<dc:creator>Jacobus, Agustinus</dc:creator>
	<dc:creator>Winarko, Edi</dc:creator>
	<dc:description xml:lang="en-US">AbstrakSistem deteksi intrusi adalah sebuah sistem yang dapat mendeteksi serangan atau intrusi dalam sebuah jaringan atau sistem komputer, umum pendeteksian intrusi dilakukan dengan membandingkan pola lalu lintas jaringan dengan pola serangan yang diketahui atau mencari pola tidak normal dari lalu lintas jaringan. Pertumbuhan aktivitas internet meningkatkan jumlah paket data yang harus dianalisis untuk membangun pola serangan ataupun normal, situasi ini menyebabkan kemungkinan bahwa sistem tidak dapat mendeteksi serangan dengan teknik yang baru, sehingga dibutuhkan sebuah sistem yang dapat membangun pola atau model secara otomatis.Penelitian ini memiliki tujuan untuk membangun sistem deteksi intrusi dengan kemampuan membuat sebuah model secara otomatis dan dapat mendeteksi intrusi dalam lingkungan real-time, dengan menggunakan metode support vector machine sebagai salah satu metode data mining untuk mengklasifikasikan audit data lalu lintas jaringan dalam 3 kelas, yaitu: normal, probe, dan DoS. Data audit dibuat dari preprocessing rekaman paket data jaringan yang dihasilkan oleh Tshark.Berdasar hasil pengujian, sistem dapat membantu sistem administrator untuk membangun model atau pola secara otomatis dengan tingkat akurasi dan deteksi serangan yang tinggi serta tingkat false positive yang rendah. Sistem juga dapat berjalan pada lingkungan real-time. Kata kunci— deteksi intrusi, klasifikasi, preprocessing, support vector machine  AbstractIntrusion detection system is a system  for detecting attacks or intrusions in a network or computer system, generally intrusion detection is done with comparing network traffic pattern with known attack pattern or with finding unnormal pattern of network traffic. The raise of internet activity has increase the number of packet data that must be analyzed for build the attack or normal pattern, this situation led to the possibility that the system can not detect the intrusion with a new technique, so it needs a system that can automaticaly build a pattern or model.This research have a goal to build an intrusion detection system with ability to create a model automaticaly and can detect the intrusion in real-time environment with using support vector machine method as a one of data mining method for classifying network traffic audit data in 3 classes, namely: normal, probe, and DoS. Audit data was established from preprocessing of network packet capture files that obtained from Tshark. Based on the test result, the system can help system administrator to build a model or pattern automaticaly with high accuracy, high attack detection rate, and low false positive rate. The system also can run in real-time environment. Keywords— intrusion detection, classification, preprocessing, support vector machine</dc:description>
	<dc:publisher xml:lang="en-US">IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.</dc:publisher>
	<dc:contributor xml:lang="en-US">IndoCEISS</dc:contributor>
	<dc:date>2014-01-31</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US"></dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.ugm.ac.id/ijccs/article/view/3491</dc:identifier>
	<dc:identifier>10.22146/ijccs.3491</dc:identifier>
	<dc:source xml:lang="en-US">IJCCS (Indonesian Journal of Computing and Cybernetics Systems); Vol 8, No 1 (2014): January; 13-24</dc:source>
	<dc:source>2460-7258</dc:source>
	<dc:source>1978-1520</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.ugm.ac.id/ijccs/article/view/3491/3018</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2014 IJCCS - Indonesian Journal of Computing and Cybernetics Systems</dc:rights>
	<dc:rights xml:lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>