Deteksi Anomali Lalu Lintas Jaringan Internal Inbound Dan Outbound Menggunakan Algoritma Long Short-Term Memory

Abstract

Abstrak— Saat ini penggunaan internet sudah menjadi kebutuhan dalam kegiatan sehari-hari. Berdasarkan laporan DataReportal, pengguna internet di Indonesia pada Januari 2022 ada sebanyak 73,7%. Data tersebut menunjukan bahwa seiring berkembangnya era digital, pengguna internet juga akan terus bertambah. Setiap aktivitas penggunaan internet akan terekam dalam suatu lalu lintas jaringan inbound dan outbound. Pada lalu lintas jaringan inbound dan outbound, akan menampilkan tren data normal. Namun dapat juga muncul data yang diluar tren yang disebut sebagai data anomali. Lalu lintas jaringan anomali tersebut dapat terjadi karena adanya peningkatan yang signifikan dalam volume data lalu lintas jaringan. Anomali pada data lalu lintas jaringan inbound dan outbound juga terjadi pada data lalu lintas jaringan PT XYZ yang merupakan perusahaan yang berfokus pada bidang jasa layanan TIK dan jaringan telekomunikasi di Indonesia. Untuk mencegah terjadinya data anomali, dapat menggunakan IDS melalui deteksi anomali dengan algoritma yang dapat memproses data sekuen dan data skala besar. Algoritma yang digunakan dalam penelitian ini adalah LSTM. Penelitian ini menggunakan metodologi CRISPDM sebagai sistematika penyelesaian masalah. Terdapat beberapa tahapan yang diterapkan yaitu business understanding, data understanding, data preparation, modelling, dan evaluasi. Pengujian model dan evaluasi model dilakukan berdasarkan parameter yang ditentukan menghasilkan model yang dapat mendeteksi anomali.

Kata Kunci — deteksi anomali, deep learning, lstm