FAHMI ARDIANSYAH Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Univesitas Syiah Kuala 2022

Skripsi

Vehicular AD-hoc Network (VANET) merupakan bagian dari Mobile AD-hoc Network (MANET). Yang dapat memudahkan kendaraan di jalan raya melakukan pertukaran informasi. Pada Jaringan VANET, kendaraan direpresentasikan sebagai node, dan jalan raya direpresentasikan sebagai route. Pada jaringan VANET juga terdapat permasalahan keamanan yang disebabkan kerentanannya terhadap serangan. Salah satu ancaman keamanan jaringan VANET yaitu Denial Of Service (DoS). Yang merupakan sebuah serangan yang bertujuan untuk merusak atau mengacaukan layanan. Metode Deep Learning adalah bagian dari Machine Learning yang terdiri dari banyak lapisan (hidden layer). Teknologi ini sudah diterapkan pada berbagai perangkat lunak AI, contohnya seperti pengenalan citra, pengambilan citra, mesin pencari dan pencarian info, dan pemrosesan bahasa alami. Penelitian ini menerapkan Deep Learning dengan arsitektur CNN VGG19 karena dianggap pantas untuk diimplementasikan karena karakteristiknya yang mampu mempelajari fitur yang lebih tidak berbentuk, mengurangi kompleksitas pelatihan model, akurasi yang menjanjikan, dan kemampuan untuk menangani deretan data yang besar. Setiap aktivitas penerimaan dan pengiriman packet akan tersimpan dan terekam dalam wireshark. Hasil log tersebut akan diolah, dan diambil beberapa nilai parameter seperti source IP, destination IP, protocol, packet length, dll sebelum akhirnya dapat menjadi data input untuk CNN VGG-19. Dari penilitian ini, didapat keluaran berupa sistem pendeteksian serangan DoS pada jaringan VANET dengan menggunakan penerapan metode Deep Learning. Berdasarkan penelitian yang telah dilakukan, pada pengujian dengan variasi data dengan jumlah 6000, 13000, dan 17000 data didapat rata-rata akurasi sebesar 99,67% dan rata-rata loss sebesar 4,24%. Dan pada pengujian dengan variasi iterasi, dengan jumlah iterasi 10, 20, dan 30 dan dengan data sebanyak 5000, 10000, dan 15000 data, maka didapat rat-rata akurasi sebesar 99,57% dan rata-rata loss sebesar 4,25%. Maka, semakin besar jumlah data dan jumlah iterasi, persentase akurasi akan semakin meningkat dan persentase loss akan semakin menurun. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 103492 2022-09-02 13:14:29 2022-09-02 16:34:42 machine generated