PENERAPAN NAIVE BAYES PADA INTRUSION DETECTION SYSTEM DENGAN DISKRITISASI VARIABEL

Abstract

Intrusion Detection System (IDS) merupakan sebuah perangkat lunak atau perangkat keras yang dapat digunakan un-tuk mendeteksi adanya aktivitas yang tidak wajar dalam jaringan. Teknik data mining telah banyak diterapkan dalam proses deteksi seperti decision tree, naive bayes, algoritma genetika, dan teknik machine learning lainnya. IDS membutuh-kan performansi yang relatif cepat dengan tingkat false positif yang rendah sehingga hal ini menjadi masalah yang menarik untuk dipecahkan. Penerapan algoritma naive bayes pada masalah ini dapat dilakukan namun kelemahan dari naive bayes sendiri adalah memerlukan atribut dengan nilai diskrit sehingga diperlukan proses diskritisasi untuk merubah atribut kontinu kedalam bentuk diskrit.
Pada penelitian ini akan dibahas mengenai penerapan naive bayes classifier dengan menggunakan pemilihan atribut berdasarkan pada korelasi serta preprocessing data dengan diskritisasi dengan menggunakan metode mean/standar deviasi untuk atribut kontinu dengan menggunakan 3-interval dan 5-interval. Hasil percobaan menunjukan bahwa penerapan naive bayes pada klasifikasi data yang telah melewati proses diskritisasi mampu memberikan akurasi hingga 89% dengan running time rata-rata adalah 31 detik.