Zulhipni Reno Saputra Elsi

Digital forensik digunakan untuk penyelidikan dan pengungkapan bukti digital dari komputer, smartphone dan sekarang ini digital forensik digunakan untuk smart home. Ada banyak jenis serangan yang dapat dilakukan di smart home seperti serangan fisik, serangan enkripsi, serangan dos (denial of service), pembajakan firmware, serangan botnet, serangan ransomware, serangan eavesdropping, serangan privilege eskalasi, serangan brute force. Pada penelitian ini model Digital forensik ISH terdiri dari beberapa fase, diantaranya fase sumber data, fase seleksi fitur, fase klasifikasi, fase pengukuran peforma. Pada fase sumber data, dilakukan ekstraksi statistik data menjadi 2 data Unidirectional-based Features dengan 18 fitur dan Bidirectional-based Features dengan 32 fitur kemudian dilakukan normalisasi dan pelebelan. Fase seleksi fitur menggunakan algoritma Chi Square kemudian dilakukan peringkatan fitur berdasarkan nilai chi score setelah mendapatakn peringkat fitur dibuatlah menjadi 5 subset, 10 subset, 15 subset dan semua fitur untuk digunakan pada fase selanjutnya. Pada fase klasifikasi digunakan algoritma Random Forest, k-Nearest Neighbor, Decision Tree, Support Vector Machine, Naive Bayes, adaboost. Dan fase terakhir dilakukan pengukuran performa akurasi, Percision, Recall, F-1 Score, dan traning time. Pada penelitian ini menggunakan dataset MQTT-IoT-IDS2020 dengan 5 jenis serangan yaitu Pemindaian agresif, Pemindaian User Datagram Protocol, Sparta SSH brute-force, Serangan brute-force MQTT. Hasil dari penelitian ini didapat nilai akurasi tertinggi didapat sebesar 100% dengan menggunakan dataset BF, algoritma DT dan subset 10, sedangkan nilai akurasi terendah sebesar 22.48% pada algoritma NB, subset 5 fitur dengan dataset UF. Training time rata-rata semua algoritma sebesar 157.5191, dengan traning time.