EVALUASI KINERJA ALGORITMA K-NEAREST NEIGHBOR DAN SUPPOR VECTOR MACHINE DALAM MENDETEKSI SERANGAN MAN-IN-THE-MIDDLE

Nugraha, Ahmad Rifqi (2026) EVALUASI KINERJA ALGORITMA K-NEAREST NEIGHBOR DAN SUPPOR VECTOR MACHINE DALAM MENDETEKSI SERANGAN MAN-IN-THE-MIDDLE. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (468kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (290kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (285kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Updated Version Restricted to Repository staff only Download (464kB) | Request a copy
	Text (BAB III (METODOLOGI PENELITIAN)) BAB III.pdf - Updated Version Restricted to Repository staff only Download (432kB) | Request a copy
	Text (BAB IV (HASIL DAN PEMBAHASAN)) BAB IV.pdf - Updated Version Restricted to Repository staff only Download (617kB) | Request a copy
	Text (BAB V (PENUTUP)) BAB V.pdf - Updated Version Restricted to Repository staff only Download (251kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Updated Version Restricted to Repository staff only Download (250kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Updated Version Restricted to Repository staff only Download (8MB) | Request a copy

Abstract

Serangan Man-in-the-Middle (MitM) merupakan salah satu ancaman pada jaringan Wi-Fi yang memungkinkan penyerang menyadap dan memanipulasi komunikasi antarperangkat. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM) dalam mendeteksi serangan MitM berdasarkan karakteristik lalu lintas jaringan. Dataset diperoleh melalui simulasi serangan menggunakan teknik ARP Spoofing dan ARP Flooding pada jaringan laboratorium. Lalu lintas jaringan direkam menggunakan Wireshark dalam format .pcap, kemudian dilakukan ekstraksi parameter Time, Source, Destination, Protocol, Length, dan Info. Dataset selanjutnya melalui tahap preprocessing, pelabelan menjadi kelas Normal dan Attack, serta dibagi menjadi 80% data latih dan 20% data uji. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-score, confusion matrix, serta waktu komputasi. Hasil penelitian menunjukkan bahwa algoritma KNN memperoleh Accuracy 99,98%, Precision 99,99%, Recall 99,98%, dan F1-Score 99,98%, sedangkan SVM memperoleh accuracy 99,96%, precision 99,97%, recall 99,95%, dan F1-score 99,96%. Dari sisi efisiensi komputasi, KNN memerlukan waktu pelatihan 0,21 detik dan waktu prediksi 13,44 detik, sedangkan SVM memerlukan waktu pelatihan 13,12 detik dan waktu prediksi 3,07 detik. Berdasarkan hasil tersebut, KNN memberikan performa klasifikasi yang sedikit lebih baik, sedangkan SVM lebih unggul dalam kecepatan proses prediksi.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Man-in-the-Middle (MitM), ARP Spoofing, ARP Flooding, K-Nearest Neighbor, Support Vector Machine, Wireshark, Machine Learning
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	07 Sep 2026 03:12
Last Modified:	07 Sep 2026 03:12
URI:	http://eprints.polsri.ac.id/id/eprint/26230

Actions (login required)

View Item