Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik
Fadhilah Dhinur Aini
Program Studi Teknik Informatika, Universitas Ahmad Dahlan Jl. Prof. Dr. Soepomo, Umbulharjo, Janturan Yogyakarta 55164.
Computer Science & IT Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PERANCANGAN DETEKSI ANOMALI TRAFFIC UNTUK INVESTIGASI LOG MENGGUNAKAN METODE K-MEANS CLUSTERS Fadhilah Dhinur Aini; Imam Riadi; Rusydi Umar
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2018): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 9 2018
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (93.855 KB)

Abstract

Informasi teknologi saat ini, sangat penting bagi suatu institusi dapat diakses oleh para pengguna dari mana dan kapan saja. Kemunculan dari berbagai akses informasi dapat menimbulkan masalah baru ialah terjadi pemeliharaan validitas data tersebut. Deteksi merupakan sistem untuk mendeteksi aktifitas yan bersifat mengganggu  akses informasi. Identifikasi yang dilakukan jika terjadi gangguan kepada administrator sehingga dapat melakukan suatu tindakan terhadap pengganggu tersebut. Sistem yang digunakan dalam penelitian ini yaitu Deteksi Anomali Traffic untuk Investigasi Log menggunakan metode K-means Clusters. Traffic Anomaly memberikan suatu pengguna jaringan internet membuat secara resmi tidak dapat melakukan akses. Karena hal tersebut dapat mengalami peningkatan jumlah akses jaringan bagi pengguna dan sewaktu-waktu dapat serangan dari akses jaringan yang tidak dikenali oleh pengguna sebelumnya. Sebab itu dibutuhkan adanya suatu sistem untuk mendeteksi dan mengenali setiap anomaly trafik tersebut. Dalam penelitian ini akan menggunakan sistem pendeteksian dengan metode K-means Cluster. K-means Cluster dapat membantu mendeteksi data log, kemudian mengelompokan kedalam cluster, sehingga akan membentuk sebuah pola yang akan digunakan untuk proses pendeteksian. Kata kunci : Anomaly Traffic, Forensik, K-means Cluster, Log File
Co-Authors Imam Riadi Rusydi Umar