Sharipuddin

Jaringan heterogeneous adalah salah satu tantangan yang harus di atasi pada IDS IoT. Kesulitan dari IDS IoT di jaringan heterogeneous secara signifikasn disebabkan oleh bermacam devices, protocols, dan services. Sehingga jaringan menjadi komplek dan sulit untuk di identifikasi. Deep learning adalah salah satu algoritma yang dapat mengklasifikasikan data dengan akurasi yang tinggi. Pada penelitian ini akan mengusulkan Deep Learning sebagai metode deteksi jaringan heterogeneous IoT. Tetapi terdapat dua isu dari IDS dengan Deep Learning di jaringan heterogeneous IoT adalah sumberdaya yang terbatas dan lamanya proses training. Oleh karena itu pada penlitian ini ditambahkan metode feature extraction dan feature selection yaitu Principle Component Analysis (PCA) dan Information Gain (IG) untuk mengurangi dimensi data sehingga penggunaan resource dan waktu traning akan signifikan berkurang. Hasil dari evaluasi menujukkan Deep Learning berhasil mendeteksi serangan yang terjadi pada jaringan heterogeneous IoT dengan tinggkat akurasi mencpai 98 persent.