Penggunaan Dashboard untuk Menampilkan Hasil Detection of Wireless Router Impersonation

Abstrak

Dalam era konektivitas yang semakin meningkat, keamanan jaringan nirkabel menjadi krusial, terutama dengan munculnya ancaman impersonasi router nirkabel. Penelitian ini bertujuan untuk mendeteksi impersonasi router nirkabel menggunakan algoritma Machine Learning (ML) yang diimplementasikan melalui Feedforward Neural Network (FNN). Data Wi-Fi dikumpulkan menggunakan airodump-ng, diolah dengan model ML, dan hasilnya divisualisasikan melalui dashboard interaktif. Dashboard ini memudahkan pemantauan dan identifikasi Rogue Access Point (RAP), serta Trusted Access Point sehingga memberikan perlindungan lebih terhadap jaringan. Pengujian performa dashboard dilakukan melalui CPU & Memory Usage, serta User Experience Questionnaire (UEQ). Hasil menunjukkan dashboard mampu beroperasi secara efisien dengan beban kerja yang bervariasi dan mendapatkan respon positif dari pengguna dalam aspek daya tarik, kejelasan, dan efisiensi.

Kata kunci— Dashboard, Feedforward Neural Network (FNN), Impersonasi router nirkabel, Keamanan jaringan nirkabel, Machine learning, Rogue Access Point (RAP).