TAUFIQUR RAHMAN Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2025

Skripsi

Serangan siber yang terus berkembang menuntut mekanisme deteksi yang adaptif melampaui deteksi berbasis signature. Penelitian ini mengembangkan prototipe deteksi anomali jaringan dengan mengintegrasikan Suricata sebagai sensor dan pencatat log (eve.json), Deep Reinforcement Learning (DRL) dengan algoritma Proximal Policy Optimization (PPO) sebagai pengambil keputusan adaptif, serta Bot Telegram sebagai antarmuka notifikasi dan umpan balik waktu-nyata. Pipeline mengekstraksi vektor fitur flow dan temporal yang konsisten (17 dimensi) dari eve.json, menormalkan, lalu memberi masukan ke agen DRL untuk memutuskan aksi monitor atau block. Implementasi dievaluasi pada lingkungan VMware (NAT/VMnet8) dengan skenario lalu lintas benign dan tiga serangan terkontrol yaitu port scanning, brute-force SSH, dan DoS (SYN flood). Hasil menunjukkan akurasi 99,13%, macro-F1 0,9912, presisi kelas serangan 0,9999, Recall kelas serangan 0,9842, dan False Positive rate ≈0,016% (11 FP dari 69.672 benign). Notifikasi Telegram tercatat 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1705097 2025-10-27 11:48:01 2025-10-27 12:07:19 machine generated