Klasifikasi Serangan Jaringan Menggunakan Support Vector Machine Untuk Investigasi Forensik Jaringan
Abstract
Perkembangan teknologi yang pesat memunculkan ancaman kejahatan di dunia
digital. Oleh karena itu, penting bagi pengguna untuk berhati-hati saat berinteraksi dalam
platform digital. Salah satu tantangan besar bagi setiap negara adalah menghadapi
penanganan bukti digital, yang membutuhkan pendekatan yang prosedural dan ilmiah.
Forensik jaringan adalah sub-bidang dari digital forensik yang mengkhususkan diri dalam
menangani bukti digital pada sistem jaringan komputer. Salah satu isu utama dalam
penanganan bukti digital pada sistem jaringan adalah besarnya volume dan ketidakberaturan
data. Hal ini dapat memperlambat dan menghambat proses investigasi. Oleh karena itu, ada
kebutuhan untuk teknologi yang dapat mempercepat dan mempermudah proses investigasi.
Di sinilah peran machine learning, yang dengan kolaborasinya dapat membantu
meningkatkan efisiensi investigasi, khususnya dalam menangani data tangkapan pada sistem
jaringan komputer. Penelitian berfokus pada klasifikasi jenis serangan yang terjadi pada
sistem jaringan dengan menggunakan data tangkapan dari insiden yang relevan. Dengan
menerapkan machine learning, khususnya algoritma Support Vector Machine (SVM) dengan
kernel rbf, diharapkan proses investigasi dapat lebih cepat dan akurat. Pilihan SVM dengan
kernel rbf didasarkan pada akurasi klasifikasinya yang tinggi dan kemampuan untuk
mengatasi dataset yang terpisah secara linear dengan banyak fitur. Kontribusi dari penelitian
ini adalah memberikan rekomendasi bagi para praktisi forensik jaringan tentang cara terbaik
untuk mengklasifikasikan serangan yang terjadi pada sistem jaringan.