Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 134 dokumen yang sesuai dengan query
cover
Radyatama Nugraha
Pengembangan Rancang Bangun Sistem Deteksi Kejadian untuk Objek Dicuri/Tertinggal untuk Menggunakan Model Machine Learning YOLACT dan Mask R-CNN = Design and Development of an Event Detection System for Stolen/Abandoned Objects using YOLACT and Mask R-CNN Machine Learning Model
"Skripsi ini merupakan pengembangan dari teknologi video surveillance system atau sistem pengawasan video. Video surveillance system yang selama ini diterapkan untuk tujuan deteksi objek menggunakan suatu metode umum yaitu dual background model. Model tersebut bekerja dengan memisahkan latar depan dan latar belakang dari suatu video frame dan memposisikan target deteksi di latar depan sebagai output. Salah satu tujuan dari skripsi ini adalah melakukan pengembangan dari sistem tersebut agar dapat mengklasifikasikan objek yang terdeteksi menjadi abandoned, stolen, dan ghost region. Untuk mencapai tujuan tersebut, digunakan metode pemelajaran mesin Mask R – CNN yang dapat melakukan segmentasi objek berbasis pemaskeran. Selain dari Mask R – CNN, terdapat model pemelajaran mesin lain yang cukup umum digunakan untuk deteksi objek dan segmentasi objek yaitu model YOLACT. Penelitian ini menggunakan video situasi natural di tempat umum seperti stasiun atau jalanan yang akan diproses menggunakan dual background model dan kemudian disegmentasi menggunakan Mask R – CNN atau YOLACT. Hasil penelitian ini diharapkan bisa membuka wawasan tentang penggunaan model pemelajaran mesin dalam aplikasi object detection, sekaligus menganalisis model mana yang paling efektif dan efisien berupa hasil kuantitatif yaitu Frame Rate per Seccond ( FPS ), waktu segmentasi, serta Intersection Over Union ( IOU ).
This thesis is an advancement in video surveillance technology. The existing video surveillance system commonly employs a dual background model for object detection. This model functions by separating the foreground and background within a video frame and positions the detected target in the foreground as the output. One of the goals of this thesis is to enhance this system to classify detected objects into abandoned, stolen, and ghost regions. To achieve this, the Mask R-CNN machine learning method is used, which can perform object segmentation based on masking. Apart from Mask R-CNN, another commonly used machine learning model for object detection and segmentation is the YOLACT model. This research utilizes natural situation videos in public places like stations or streets, processed using the dual background model and then segmented using Mask R-CNN or YOLACT. The anticipated outcome of this study is to broaden insights into the use of machine learning models in object detection applications while analyzing which model is most effective and efficient for similar applications."
Depok: Fakultas Teknik Universitas Indonesia, 2024
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Afdhal Kurniawan
Perancangan Dan Implementasi Alat Pemantauan Tekanan Darah Otomatis Dengan Menggunakan Sensor MPX5050DP Untuk Pasien Rawat Inap = Design and Implementation of Automatic Blood Pressure Monitoring Devices Using MPX5050DP Sensors for Inpatients
"Perancangan dan implementasi alat pemantauan tekanan darah otomatis atau biasa disebut tensimeter merupakan alat yang sangat familiar dalam layanan kesehatan dan menjadi parameter awal bagi seorang dokter dalam melakukan sebuah diagnosa penyakit terhadap pasiennya. Dengan adanya alat yang penulis buat maka dapat mempermudah dalam melakukan pemantauan serta diagnosa terhadap pasien. Terutama pasien yang berada dalam ruang ICU, ICCU, PICU dan NICU. Alat pengukur tekanan darah ini dapat bekerja secara otomatis dan terjadwal untuk mengukur sistol dan diastol. Setelah itu pada setiap pengambilan data tekanan darah maka akan tersimpan dalam sebuah database yang dapat diamati perubahannya. Dari hasil perbandingan nilai sistol dan diastol yang didapat oleh alat ini yang dibandingkan dengan tensimeter digital yang beredar dipasaran dalam hal ini menggunakan Omron hem-7130 diperoleh persentase deviasi yang tidak lebih dari 8%. Hal tersebut menunjukkan bahwa alat ini dapat diandalkan.
Design and implementation of automatic blood pressure monitoring devices or commonly called tensimeter is a tool that is very familiar in health care and is an initial parameter for doctors to diagnose their patients. This tool is made to diagnosis of patients specifically for patients in the ICU, ICCU, PICU and NICU rooms. Blood pressure gauges can work automatically and scheduled for systole and diastole. After that, any data obtained will be stored in a database and it can be observed. Results of the systole and diastole values obtained by this tool which are compared with the digital Omron hem-7130, the percentage of error is not more than 8%. this proves that this tool is reliable."
Depok: Fakultas Teknik Universitas Indonesia, 2020
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Dymiargani Nandaputra M.
Analisis parameter gait untuk deteksi kelainan pola jalan manusia pada ekstremitas bawah berbasis xbox one kinect = Gait parameter analysis for dectection of human path pattern abnormalities in lower extremities based on xbox one kinect
"Analisis gerakan kinematik telah memberikan kontribusi wawasan berharga ke dalam ilmu fisiologi koordinasi gerakan. Analisis gerakan kinematik ini juga digunakan untuk menggambarkan kerusakan fungsi motorik yang spesifik secara rinci dan membantu untuk diagnosis klinis yang lebih baik. Sebagai teknik kuantitatif obyektif, beberapa aplikasi telah mengklaim untuk melacak perubahan dalam fungsi motorik dari waktu ke waktu lebih akurat daripada perangkat klinis. Gait Analysis manusia telah terbukti menjadi indikator penting kesehatan, yang berlaku dalam berbagai aplikasi, seperti diabetes, penyakit neurologis, dan prediksi jatuh. Gait
Analysis pada penelitian ini diharapkan untuk menjadi sitem yang akurat, tidak mengganggu voluntir, dan low cost. Gait Analysis dalam kiprah klinis memiliki banyak aplikasi dalam diagnosis, pemantauan, pengobatan dan rehabilitasi. Tujuan dari penilitian ini adalah untuk merancang sebuah parameter pengukuran untuk rehabilitasi medik dengan menggunakan gait analysis. Pada penelitian ini, hasil classification learner untuk mendeteksi siklus stance dan swing memiliki akurasi sebesar 90 dan hasilclassification learner untuk mendeteksi apakah pola jalan voluntir normal atau tidak memiliki akurasi sebesar 94.4.
The analysis of kinematic movements has contributed valuable insights into the physiology of movement coordination. It is also used to describe specific damage to motor function in detail and thereby increase the clinical diagnosis. As an objective quantitative technique, some applications have claimed to track changes in motor function over time more accurately than clinical ratings. Human gait analysis have proven to be an important indicator for a few application such as diabetic, neuro impairment and fall prediction.
In this research, the parameter of gait analysis was made to be an accurate, easy to use and low cost system. There are lots of clinical applications on gait analysis such as in diagnosis, treatment, and rehabilitation. The purpose of this research is to design a parameter for medical rehabilitation using gait analysis. The result on classification that are used to detect the stance and swing cycle have an accuracy percentage of 90 and for the classification of walking abnormalities are 94.4"
Depok: Fakultas Teknik Universitas Indonesia, 2018
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Rendi Chevi Daffa Ulhaq
Rancang Bangun Model Maxillofacial Spesifik-Pasien untuk Pemandu Operasi Bedah Plastik = Prototype of Patient-Specific Maxillofacial Model for Plastic Surgical Guidance
"Salah satu pergeseran paradigma terbesar dalam dunia kedokteran saat ini adalah pergeseran model pelayanan kesehatan dari disease-centric care menjadi patient-centric care. Bedah plastik rekonstruksi dan estetik menjadi spesialis kedokteran yang membutuhkan implementasi model tersebut, didorong oleh rendahnya tingkat konversi pasien di tahap pre-operatif, teknik operasi tanpa panduan di tahap intra-operatif, dan masih tingginya tingkat permintaan revisi operasi di tahap pasca-operatif. Saat ini, implementasi patient-centric care melalui penggunaan model spesifik-pasien, yaitu replika anatomis bagian wajah atau tubuh pasien yang dapat digunakan dokter sebagai simulator bedah dan alat visualisasi pasien, menjadi instrumen paling efektif dalam memecahkan masalah tersebut. Namun, model spesifik-pasien yang ada di pasaran saat ini masih menggunakan modalitas pemindai yang rumit, mahal, dan model spesifik-pasien masih sulit diakses khususnya untuk negara berkembang. Oleh karena itu, dalam skripsi ini penulis mengusulkan sebuah rancang bangun model spesifik-pasien yang dikhususkan pada bagian maxillofacial untuk pemandu operasi dengan metode pemindaian 3D berbasis smartphone dengan sensor TrueDepth™ dan pemodelan 3D berbasis Growing Neural Gas yang jauh lebih sederhana, murah, dan terjangkau. Akurasi model spesifik-pasien yang dirancang diukur nilai indeks similaritasnya sebesar 0,2101 terhadap topologi wajah subjek asli yang dinilai cukup akurat.
One of the biggest paradigm shifts in medicine today is the shift in health care models from “disease-centric care” to “patient-centric care”. Plastic and aesthetic surgery become one of the medical field who urgently need this model implementation, driven by the low conversion rates of patients in pre-surgery phase, unguided surgery technique encountered in intra-operative phase, and high surgery revision demand in postoperative phase. Currently, patient-centric care implemented through patient-specific models, which is an anatomical replica of the patient's face or body which surgeons can use as a surgical simulator and patient visualization tool, this instrument proven to be the most effective in solving those mentioned problems. However, patient-specific models on the market today still use complex and expensive scanning modalities and the patient-specific models that are still difficult to access, especially in developing countries. Therefore, in this research the author propose a patient-specific model prototype for surgical guidance in maxillofacial region with 3D scanning methodology which utilized smartphone with TrueDepth™ sensor and Growing Neural Gas-based 3D modelling methodology which more simple, low-cost, and accessible. The accuracy of patient-specific model measured in similarity index against the subject’s real face topology resulted in the amount of 0,2101 which sufficiently accurate."
Depok: Fakultas Teknik Universitas Indonesia , 2019
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Napitupulu, Hendra S.
Analisa perbandingan kinerja teknik kompresi citra menggunakan metode JPEG dan wavelet multi variable = Comparative performance analysis image compression technique using multivariable JPEG and multivariable wavelets
"Kompresi citra menjadi salah satu pokok bahasan dalam pengolahan citra karena menjadi penting saat ukuran citra yang besar diperkecil untuk menghemat media penyimpanan dan mempercepat transmisi citra itu sendiri. Menggunakan citra hasil kompresi dengan nilai informasi yang terkandung didalamnya tidak banyak berubah atau hilang dari informasi citra sebelum dikompresi menjadi target yang akan dicapai dengan metode kompresi JPEG dan Wavelet. Kompresi teknik JPEG dengan variasi variabel faktor kualitas citra dan kompresi citra dengan metode Wavelet dengan variasi variable jenis Wavelet yang digunakan. Dengan variasi nilai varaibel tersebut akan menemukan nilai yang optimum dari masing teknik kompresi. Nilai optimum akan ditinjau dari hasil keluaran seperti rasio kompresi, PSNR dan waktu komputasi dari masing-masing teknik kompresi JPEG dan Wavelet. Hasil simulasi menunjukkan tingkat kompresi pada Wavelet lebih baik dari JPEG, yakni berkisar 65-70 kali pemampatan sementara pada JPEG hanya 20-25 untuk nilai PSNR yang sama yaitu berkisar 35-45 db.
Image compression becomes one subject in image processing because it important when a large image size reduced to save on storage media and transmission speed up the image itself. Using image compression results with the value of the information contained therein is not much change or disappear from the image information before it is compressed into a target to be achieved by the method of JPEG and Wavelet compression. Using JPEG compression techniques with variable variation image quality and image compression with Wavelet method with a variation of the variable type of Wavelet used. By variation of the value varaibel will find the optimum value of each compression technique. The optimum value of the output will be reviewed such as compression ratio, PSNR and computation time of each JPEG and Wavelet compression techniques. The simulation results show the level of Wavelet compression is better than JPEG, which ranges from 65-70 times, the JPEG compression while only 20-25 for the same PSNR value which ranges from 35-45 db."
Depok: Fakultas Teknik Universitas Indonesia, 2012
S42465
UI - Skripsi Open  Universitas Indonesia Library
cover
Aneta
Perbandingan pelacakan wayang dengan menggunakan MSER dan MSER efisien = Comparison of wayang recognition between using MSER and efficient MSER
"Wayang adalah seni kuno dari Indonesia yang memiliki begitu banyak bentuk, seperti wayang orang, wayang golek, dan wayang kulit. Biasanya, wayangdigunakan untuk tampil di panggung dan memiliki latar belakang suara gamelan. Saat ini, wayang masih ada di Indonesia, apakah itu untuk pertujukan atau hanya pajangan yang bagus dalam kotak kaca. Wayang memiliki begitu banyak karakter dalam cerita, dan itu sulit bagi kita untuk mengingat setiap nama karakter wayang. Akan menjadi mudah jika ada sistem untuk mengenali mereka, sehingga kita tidak perlu tahu nama masing-masing untuk karakter wayang.
Tulisan ini diusulkan untuk membuat sistem pengenalan untuk wayang menggunakan 2 algoritma populer, MSER (Maximally Stable Extermal Region) dan MSER efisien. Dalam makalah ini, diusulkan untuk membandingkan algoritma tersebut pada PC dengan video wayang yang dimasukkan secara offline. Meskipun secara waktu komputasi MSER efisien lebih unggul daripada MSER biasa, namun ketika masuk ke dalam tahap pelacakan, MSER biasa justru lebih unggul daripada MSER efisien karena ia tidak mengolah sebagian level abu-abu pada citra sebagaimana MSER efisien, melainkan seluruh level keabu-abuan.
Wayang is an ancient art from Indonesia that has so many forms, such as wayang orang, wayang golek, and wayang kulit. Usually, wayang is used for performing on a stage and it has background sound of gamelan. Nowadays, wayang still exists in Indonesia, whether it's for perfoming or only a nice display in a glass box. Wayang has so many characters in its story, and it's difficult for us to remember each name of wayang characters. It will be easy if there is a system to recognize them, so we don't need to know each name to wayang characters.
This writing is proposed to make a recognition system for wayang using 2 popular algorithms, MSER (Maximally Stable Extermal Region) and efficient MSER. In this paper, the writer proposed to compare those algorithms in a PC which video of wayang is processed offline.Although efficient MSER has more advantage in computing time, the regular MSER makes greater detection than efficient MSER because regular MSER doesn't compute several gray level like efficient MSER, but all gray level."
Depok: Fakultas Teknik Universitas Indonesia, 2012
S42676
UI - Skripsi Open  Universitas Indonesia Library
cover
Dimas Arioputra
Analisa perbandingan akurasi metode optical flow dan gaussian mixture model untuk sistem pemantau lalu lintas berbasis computer vision = Accuracy analysis between optical flow and gaussian mixture model for computer vision based road traffic monitoring
"ABSTRAK
Teknik yang digunakan untuk Sistem Pemantau Lalu Lintas pada masa sekarang
ini banyak tergantung pada sensor-sensor yang mempunyai kemampuan yang
terbatas, kurang fleksibel, dan seringkali mahal dan sulit untuk dipasang.
Penggunaan kamera digabungkan dengan teknologi Computer Vision menjadi
alternatif yang menarik dari sensor yang ada saat ini. Sensor berbasis kamera ini
mempunyai potensi yang lebih besar untuk mengamati kondisi lalu lintas yang
ada dibanding sensor konvensional saat ini yaitu sensor ini lebih murah dan
mudah untuk dipasang.Di dalam penelitian ini dikembangkan sistem pemantau
lalu lintas menggunakan metode Optical Flow dan Gaussian Mixture Model.
Eksperimen dilakukan menggunakan handycam, berlokasi di salah satu tol dalam
kota Jakarta. Kondisi pengambilan gambar adalah pada kondisi yang berbedabeda
yaitu pada saat pagi, siang, dan sore, cuaca cerah, dan mendung, serta
kondisi arus lalu lintas padat dan lancar. Setelah pengujian dilakukan, algoritma
Optical Flow memberikan hasil yang lebih baik dibandingkan algoritma Gaussian
Mixture Model yaitu dengan akurasi mencapai 92% dibanding Gaussian yang
hanya mencapai 72%. Faktor-faktor yang mempengaruhi tingkat akurasi adalah
kondisi waktu, cuaca, dan arus kendaraan serta lokasi pengambilan gambar.
Abstract
Current techniques for Sistem Pemantau Lalu Lintas rely on sensors which have
limited capabilities, inflexible and often, costly and disruptive to be installed.
Video camera, coupled with Computer Vision techniques offers an attractive
alternative to current sensors which is portable and low cost . In this research, a
traffic monitoring system using handy camera is developed using Optical Flow
and Gaussian Mixture Model (GMM) methods. The experiment took place in one
of the Jakarta city highway. The condition of the experiment is when the time is in
the morning, afternoon, evening, when it is clear, and cloudy, and also when the
traffic is light and heavy. The experiments shows that Optical Flow algorithm
gives better results regarding to accuracy rate, better than Gaussian Mixture
Model Algorithm. The Optical Flow reach 92% accuracy while Gaussian Mixture
only got to 72% accuracy. Some factors that influenced the accuracy rate of the
system are time, weather, traffic and location."
Fakultas Teknik Universitas Indonesia, 2012
S43308
UI - Skripsi Open  Universitas Indonesia Library
cover
Arief Saferman
Rancang Bangun Sistem Automatic Speech Recognition untuk Bahasa Indonesia Berbasis Wav2Letter dengan Loss Function CTC dan ASG = Development of Automatic Speech Recognition System for Indonesian Language Based on Wav2Letter with Loss Function CTC and ASG
"

Selama masa pandemi COVID-19, teknologi Automatic Speech Recognition (ASR) menjadi salah satu fitur yang sering digunakan pada komputer untuk mencatat di kelas online secara realtime. Teknologi ini akan bekerja dimana setiap suara yang muncul akan langsung dikenali dan dicatat pada halaman terminal. Dalam penelitian ini, model ASR Wav2Letter akan digunakan menggunakan CNN (Convolution Neural Network) dengan loss function CTC (Connectionist Temporal Classification) dan ASG (Auto Segmentation Criterion). Selama proses pembuatannya, berbagai hyperparameter acoustic model dan language model dari model ASR Wav2Letter terkait dengan implementasi batch normalization¸ learning-rate, window type, window size, n-gram language model, dan konten language model diuji pengaruh variasinya terhadap performa model Wav2Letter. Dari pengujian tersebut, ditemukan bahwa model ASR Wav2Letter menunjukkan performa paling baik ketika acoustic model menggunakan metode ASG dengan learning-rate 9 × 10−5 , window size 0.1, window type Blackman, serta 6-gram language model. Berdasarkan hasil akurasi WER CTC unggul 1,2% dengan 40,36% berbanding 42,11% dibandingkan ASG, namun jika dilihat lamanya epoch dan ukuran file model, loss function ASG memiliki keunggulan hampir dua kalinya CTC, dimana ASG hanya membutuhkan setengah dari jumlah epoch yang dibutuhkan oleh CTC yakni 24 epoch berbanding dengan 12 epoch dan ukuran file model ASG setengah lebih kecil dibandingkan CTC yakni 855,2 MB berbanding dengan 427,8 MB. Pada pengujian terakhir, model ASR Wav2Letter dengan loss function ASG mendapatkan hasil terbaik dengan nilai WER 29,30%. Berdasarkan hasil tersebut, model ASR Wav2Letter dengan loss function ASG menunjukkan perfoma yang lebih baik dibandingkan dengan CTC.

During the COVID-19 pandemic, Automatic Speech Recognition technology (ASR) became one of features that most widely used in computer to note down online class in real-time. This technology works by writing down every word in terminal from voice that is recognized by the system. ASR Wav2Letter model will use CNN (Convolutional Neural Network) with loss function CTC (Connectionist Temporal Classification) and ASG (Auto Segmentation Criterion). While developing Wav2Letter, various hyperparameter from acoustic model and language model is implemented such as batch normalization, learning rate, window type, window size, n-gram language model, and the content of language model are examined against the performance of Wav2Letter model. Based on those examination, Wav2Letter shows best performance when it uses ASG loss function learning rate 9 × 10−5 , window size 0.1, window type Blackman, and 6-gram language model. With that configuration, WER of CTC outplay ASG around 1.2% with 40.36% compare to 42,11%, but another parameter shows ASG are way more superior than CTC with less time epoch training which are 24 epoch for CTC against 12 epoch for ASG and the size of memory model shows CTC has bigger size than ASG with 855.2 MB against 427.8 MB. In the last test, ASR Wav2Letter model with ASG loss function get the best WER value around 29.3%. Based on those results, ASR Wav2Letter Model shows its best performance with ASG loss function than CTC.

"
Depok: Fakultas Teknik Universitas Indonesia, 2022
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Guna Suryo Aji
Pengembangan Aplikasi Berbasis Web untuk Perancangan Kampus Virtual 3D menggunakan Metoda 3D Gaussian Splatting = Development of a Web Based Application for Designing a 3D Virtual Campus using 3D Gaussian Splatting method
"Perancangan model 3 Dimensi dari sebuah kampus untuk keperluan visualisasi lokasi dapat dilakukan dengan pemindaian secara 3 dimensi. 3D Gaussian Splatting merupakan teknik pemindaian objek 3 Dimensi menggunakan 3D Gaussian sebagai representasi data volumetric dari proses Structure-from-Motion yang di konversi menjadi splats sebagai representasi objek yang memiliki data warna dan intensitas yang membentuk sebuah citra digital dengan akurasi warna dan posisi, dan detail objek yang tinggi. Untuk melihat render dari 3D Gaussian viewer berbasis web yang dapat menggunakan library ThreeJS. Menggunakan metode 3D Gaussian Splatting sebuah model kampus virtual 3D dapat diciptakan dan dilihat melalui aplikasi web dengan library ThreeJS . Hasil dari pembuatan model 3D Gaussian Splatting tersebut adalah rata-rata waktu training 9,49 menit dan hasil dari pengembangan aplikasi web tersebut menghasilkan rata-rata framerate 111 FPS.
Designing a 3 dimensional model of a campus for location visualization needs can be done using 3 dimensional scanning. 3D Gaussian Splatting is a 3 dimensional scanning technique using 3D Gaussians as a representation of volumetric data from Structure-from-Motion process that is converted into splats as the representation of objects with color and intensity that creates a digital view with high accuration of color, position, and object detail. To see the render of 3D Gaussian Splatting a web based viewer can be used using the ThreeJS library. Using the 3D Gaussian Splatting method a 3D model for virtual campus can be created and viewed using a web application by utilizing ThreeJS library. The result of creating the 3D model using 3D Gaussian Splatting is an average training time of 9,49 minutes and the result of the development of the web based application is an average framerate performance of 111 FPS."
Depok: Fakultas Teknik Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Marinus Martin Dwiantoro
Deteksi Serangan DOS pada CICIDS 2017 Menggunakan Machine Learning = DOS Attack Detection on CICIDS 2017 Using Machine Learning
"Denial of Service adalah salah satu serangan siber yang dapat mengakibatkan gangguan layanan dan kerugian finansial. Akibat dari serangan DoS tentunya akan memberikan dampak buruk dan sangat merugikan. Untuk dapat menanggulangi dan meminimalisir dampak serangan DoS, dirancanglah sebuah sistem deteksi serangan DoS dan klasifikasi serangan yang terjadi menggunakan machine learning. Pada penelitian ini, akan dilakukan perancangan sistem deteksi serangan DOS melalui pengumpulan traffic data yang dikumpulkan oleh Wireshark dan dikonversi menggunakan CICFlowMeter. Serangan DoS dilancarkan oleh GoldenEye, HULK, dan SlowHTTPTest. Pengklasifikasian diterapkan pada salah satu dataset pada CICIDS2017, menggunakan algoritma Random Forest, AdaBoost, dan Multi-layer Perceptron. Hasil akurasi klasifikasi tertinggi adalah Random Forest sebesar 99,68%, hasil rata-rata Cross-Validation tertinggi juga dipegang oleh Random Forest sebesar 99,67%, dan untuk perbandingan performa antara hasil algoritma yang dilakukan oleh penulis dan paper konferensi DDOS Attack Identification using Machine Learning Techniques yang menjadi acuan, hasil yang paling mendekati adalah Random Forest dengan besar yang sama.
Denial of Service is a cyberattack that can result in service disruption and financial loss. The consequences of a DoS attack will certainly have a bad and very detrimental impact. To be able to overcome and minimize the impact of DoS attacks, a DoS attack detection system and classification of attacks that occur using machine learning was designed. In this research, a DOS attack detection system will be designed by collecting traffic data collected by Wireshark and converted using CICFlowMeter. DoS attacks were launched by GoldenEye, HULK, and SlowHTTPTest. Classification was applied to one of the datasets in CICIDS2017, using the Random Forest, AdaBoost, and Multi-layer Perceptron algorithms. The highest classification accuracy result is Random Forest at 99.68%, the highest average Cross-Validation result is also held by Random Forest at 99.67%, and for performance comparison between the algorithm results carried out by the author and the conference paper DDOS Attack Identification using Machine Learning Techniques are the reference, the closest result is Random Forest with the same size."
Depok: Fakultas Teknik Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>