TEUKU MUAMMAR GADDAFI Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro dan Komputer 2022

Skripsi

Vehicular Ad-hoc Network (VANET) merupakan pengembangan dari Mobile Ad- hoc Network (MANET). Jaringan VANET ini mengimplementasikan kendaraan yang melintas sebagai node. Dalam jaringan VANET masih mempunyai berbagai permasalahan di keamanan dikarenakan VANET rentan terhadap agresi. Keamanan jaringan komputer merupakan aspek terpenting di zaman yang serba teknologi ini. Sebuah serangan terhadap jaringan bisa mengakibatkan kerugian yang sangat fatal dan bisa terjadi kapan saja. Salah satu serangan yang mejadi fokus penulis adalah serangan SYN Flooding yang merupakan ancaman yang serius bagi kemanan pada suatu jaringan serangan ini dapat menyebabkan akses jaringan lambat, baik client maupun server. Akhir-akhir ini, deep learning menjadi suatu metode yang sering diterapkan untuk menyelesaikan suatu masalah. Deep learning ini merupakan bagian dari machine learning yang terdiri dari banyak layer. Teknologi ini sudah banyak diterapkan pada perangkat lunak Artifical Intelegent. Penulis menilai penerapan Deep Learning mampu untuk menyelesaikan permasalahan pada jaringan VANET, 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. Untuk penggunaan deep learning sudah dipermudah dengan adanya library dan Application Program Interface (API). Penelitian ini menerapkan Deep Learning dengan arsitektur CNN VGG19 karena dianggap pantas untuk diimplementasikan karena karakteristiknya yang mampu mempelajari data yang abstrak, mengurangi kompleksitas pelatihan model, akurasi yang menjanjikan, dan kemampuan untuk menangani deretan data yang besar. Setiap aktivitas penerimaan dan pengiriman packet akan 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 SYN Flooding pada jaringan VANET dengan menggunakan penerapan metode Deep Learning. Berdasarkan penelitian yang telah dilakukan, pada pengujian 3 variasi data dengan jumlah 6000, 13000, dan 17000 data didapat rata-rata akurasi sebesar 99,74% dan rata-rata loss sebesar 6,96%. Dan pada pengujian dengan variasi iterasi, dengan jumlah iterasi 10, 20, dan 30 dan dengan data sebanyak 5000, 10000, dan 15000 data, maka didapat rata-rata akurasi sebesar 99,73% dan rata-rata loss sebesar 3,56%. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 107573 2022-12-29 15:22:13 2022-12-30 09:38:27 machine generated