STUDI KOMPARATIF ALGORITMA K-MEANS CLUSTERING DAN FUZZY C- MEANS PADA MULTIVARIATE FUZZY TIME SERIES

Tri Setya Darmawan, Ummu Wachidatul Latifah, Yuning Tyas A’aliyah Sari — Sat, 01 Jun 2024 00:00:00 +0800

Prediksi merupakan suatu hal yang penting untuk mengetahui suatu langkah yang dapat
dilakukan di masa yang akan datang. Prediksi deret waktu yang sering digunakan, yaitu
Fuzzy Time Series. Model Fuzzy Time Series dapat digunakan untuk meramalkan satu
faktor, sedangkan prediksi yang dipengaruhi oleh beberapa faktor dapat menggunakan
Multivariate Fuzzy Time Series. Prediksi dengan banyak faktor dapat mempengaruhi beban
komputasi dan hasil akurasi prediksi yang diperoleh. Tujuan penelitian ini, yaitu
membandingkan algoritma K-Means Clustering dan Fuzzy C-Means. Hasil perbandingan
algoritma clustering dimodelkan dengan Multivariate Fuzzy Time Series. Hasil penelitian
menunjukan bahwa berdasarkan evaluasi hasil cluster menunjukan bahwa algoritma Fuzzy
C-Means lebih baik dari algoritma K-Means. Berdasarkan nilai akurasi model Multivariate
Fuzzy Time Series tergolong sangat akurat. Nilai MAPE dan RMSE yang diperoleh sebesar
0.4797% dan0.84666.

Implementasi Algoritma Random Forest untuk Deteksi Serangan Siber pada Jaringan Komputer

Irwan Siswanto, Ummu Wachidatul Latifah, Rafael Briant Wicaksono — Sat, 01 Jun 2024 00:00:00 +0800

Serangan siber merupakan ancaman yang signifikan bagi keamanan jaringan komputer.
Oleh karena itu, penelitian ini bertujuan untuk memfokuskan pada pengembangan model
deteksi serangan siber menggunakan metode Random Forest berdasarkan dataset serangan
siber yang relevan. Dengan mengintegrasikan teknologi machine learning dan analisis
dataset yang cermat, penelitian ini memberikan kontribusi signifikan untuk meningkatkan
keamanan siber. Evaluasi model menunjukkan akurasi sebesar 66.13%, dengan tantangan
terutama dalam mengenali serangan (kelas 1). Meskipun demikian, model berhasil
memprediksi dengan baik pada data baru, menunjukkan potensi untuk deteksi proaktif.
Hasil deteksi dibuktikan dengan distribusi probabilitas model terhadap kelas yang
diprediksi. Keseluruhan, penelitian ini membuktikan efektivitas Random Forest dalam
mendeteksi serangan siber, memberikan landasan untuk peningkatan lebih lanjut

SCIENCE INFORMATICS JOURNAL

STUDI KOMPARATIF ALGORITMA K-MEANS CLUSTERING DAN FUZZY C- MEANS PADA MULTIVARIATE FUZZY TIME SERIES

Implementasi Algoritma Random Forest untuk Deteksi Serangan Siber pada Jaringan Komputer