Muhammad Rifki

Internet of things ( IoT ) muncul sebagai teknologi yang digunakan secara luas di beberapa bidang termasuk industri, transportasi, energi, pemantauan lingkungan, kesehatan, pertanian dan lain – lain. Pada penelitian ini penulis fokus terhadap pengenalan pola serangan port scanning dan menyajikan pola serangan tersebut kedalam bentuk visual. Penelitian dilakukan pada jaringan internet of things yang menggunakan WiFi dengan trafik normal, trafik serangan, dan trafik gabungan (normal – serangan). Dari skenario ini, dihasilkan tiga dataset berbeda, yang terdiri dari dataset normal, dataset serangan dan dataset normal – serangan. Pengujian dilakukan dengan dua tahapan : (i) pengujian dengan Snort sebagai Intrusion detection System (IDS), dan (ii) pengujian menggunakan metode clustering k-means untuk mendeteksi pola serangan port scanning. Evaluasi hasil deteksi menggunakan confusion matrix detection rate dengan metode k-means menunjukan tingkat akurasi deteksi sebesar 98.3%. Untuk menyajikan hasil visualisasi pola serangan port scanning, penulis menggunakan teknik visualisasi andrew crews dan parallel coordinate yang merupakan library yang disediakan pada bahasa pemrograman python, kedua teknik ini dapat mempresentasikan data multidimensional atau parameter yang lebih dari satu. Hasil dari visualisasi dapat menunjukkan grafik yang unik dimana setiap pola serangan membentuk garis dan warna yang berbeda dengan pola normal, yang mana dari setiap hasil yang disajikan memungkinkan user dapat dengan mudah mengenali pola serangan port scanning.