<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="162061">
 <titleInfo>
  <title>DETEKSI SERANGAN BLACKHOLE DENGAN PENERAPAN LSTM PADA MANET</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Rahimi</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Mobile Ad Hoc Network (MANET) merupakan jaringan komunikasi nirkabel yang dapat beroperasi tanpa infrastruktur tetap dan banyak dimanfaatkan dalam situasi darurat seperti komunikasi militer dan penanggulangan bencana. Namun, sifatnya yang dinamis dan terdesentralisasi membuat MANET rentan terhadap serangan keamanan, salah satunya adalah serangan blackhole yang menyebabkan hilangnya data dan penurunan kualitas layanan jaringan. Penelitian ini penerapan model Long Short-Term Memory (LSTM) untuk mendeteksi serangan blackhole dengan memanfaatkan parameter jaringan seperti throughput, delay, jitter, dan packet loss. Dataset untuk pelatihan dan pengujian model dikembangkan melalui simulasi jaringan MANET menggunakan NS-3. Hasil penelitian menunjukkan bahwa model LSTM mampu mencapai akurasi pelatihan dan validasi di atas 99,5%. Pada pengujian data baru, model berhasil mendeteksi data serangan blackhole sebesar 80,49% dan data normal sebesar 19,51%. Temuan ini membuktikan bahwa LSTM mampu mengenali pola anomali yang ditimbulkan oleh serangan blackhole secara efektif. Selain itu, penelitian ini juga menganalisis dampak serangan blackhole yang menyebabkan throughput menurun tajam, peningkatan packet loss secara signifikan, serta mempengaruhi delay dan jitter jaringan.&#13;
&#13;
Kata Kunci: MANET, AODV, Blackhole Attack, LSTM, NS-3.&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>162061</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-07-16 09:28:28</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-07-16 10:55:05</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>