Muhammad Arun Nugraha

Seiring dengan berkembangnya istilah Internet of Things (IoT) di masa sekarang, semakin banyak perangkat keras atau elektronik yang terhubung ke internet. Hal ini memungkinkan banyaknya perangkat – perangkat yang berpotensi terkena serangan botnet. Botnet merupakan salah satu ancaman yang paling sering ditemukan pada sistem dan keamanaan perangkat atau jaringan IoT di era komputasi berbasis cloud di zaman modern. Oleh karena itu, sangat penting untuk memahami anatomi pada botnet, mengklasifikasi serangan botnet, serta mekanisme apa yang bisa digunakan untuk menghadapi serangan berbasi botnet yang terjadi pada perangkat dan jaringan IoT. Machine Learning (ML) telah digunakan dalam penelitian sebagai salah satu solusi yang berpotensi dalam menghadapi ancaman serangan botnet pada IoT. Machine Learning juga membutuhkan seleksi fitur yang dapat membantu mengurangi jumlah fitur yang ada pada dataset dan memlih fitur yang paling cocok untuk melakukan klasifikasi. Penelitian ini menggunakan Network Dataset pada dataset ToN-IoT yang dikembangkan oleh laboratorium Cyber Range di University of New South Wales, Canberra. Seleksi fitur Chi-Square diterapkan untuk menyeleksi fitur terbaik, dan algoritma Random Forest digunakan pada proses klasifikasi. Hasil dari klasifikasi yang menggunakan seleksi fitur Chi-Square mampu memperoleh tingkat nilai akurasi, presisi, recall, spesifisitas, F1-Score, dan nilai error dengan baik serta dengan tingkat kesalahan klasifikasi yang relative rendah dibanding hasil klasifikasi tanpa seleksi fitur, dimana hasil terbaik memiliki nilai akurasi sebesar 99.83%, presisi sebesar 99.94%, Recall sebesar 99.57%, Spesifisitas sebesar 99.97%, F1-Score sebesar 99.75%, dan nilai error yang rendah yaitu sebesar 0.17%.