Sistem Klasifikasi Serangan Aplikasi Web Menggunakan Algoritma K-Nearest Neighbor

Putra, Dimas Fariski Setyawan (2026) Sistem Klasifikasi Serangan Aplikasi Web Menggunakan Algoritma K-Nearest Neighbor. Skripsi thesis, ITN MALANG.

	Text Bagian Awal.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
	Text BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (135kB)
	Text BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (357kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (603kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text BAB V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (121kB)
	Text Daftar Pustaka.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (130kB)
	Text Lampiran.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB) | Request a copy

Abstract

Dalam era digital yang semakin kompleks, aplikasi web menjadi salah satu komponen penting dalam infrastruktur teknologi informasi. Namun, peningkatan penggunaan aplikasi web juga diikuti dengan meningkatnya risiko serangan siber seperti SQL Injection (SQLi), Cross-Site Scripting (XSS), dan Local File Inclusion (LFI) yang dapat dimanfaatkan untuk memperoleh akses tidak sah, mencuri data, atau mengubah perilaku sistem. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan klasifikasi serangan aplikasi web menggunakan algoritma K-Nearest Neighbor (KNN) berbasis Term Frequency–Inverse Document Frequency (TF-IDF). Dataset penelitian terdiri dari empat kelas: SQLi, XSS, LFI, dan benign request, dengan total 40.000 data yang dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan bahwa model KNN mampu mencapai tingkat akurasi sebesar 97.31%, dengan nilai precision, recall, dan f1-score rata-rata masing-masing sebesar 97.55%, 97.31%, dan 97.33%. Nilai akurasi yang tinggi menunjukkan bahwa pendekatan TF-IDF berbasis karakter dan algoritma KNN efektif dalam mengidentifikasi pola serangan terhadap aplikasi web.

Item Type:	Thesis (Skripsi)
Additional Information:	Dimas Fariski Setyawan Putra (1918082)
Uncontrolled Keywords:	TF-IDF, KNN, WAF, klasifikasi
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Dimas Fariski Setyawan Putra
Date Deposited:	03 Mar 2026 04:17
Last Modified:	03 Mar 2026 04:17
URI:	http://eprints.itn.ac.id/id/eprint/16077

Actions (login required)

View Item