Electronic Resource

Perbandingan Algoritma K-Means dan Algoritma Dbscan dalam Clastering Data Log Server

---

Peningkatan serangan siber (cyberattack) seiring dengan perkembangan
teknologi informasi dan komunikasi telah menjadi ancaman serius terhadap
keamanan data digital. Berdasarkan laporan Badan Siber dan Sandi Negara
(BSSN) tahun 2020, jumlah serangan siber meningkat hingga empat kali lipat
dibandingkan tahun 2019, mencapai lebih dari 98 juta insiden . Serangan tersebut
tidak hanya menargetkan sektor industri, tetapi juga lembaga pendidikan. Salah
satu kasus yang terjadi adalah serangan terhadap sistem informasi akademik
(SIAKAD) Universitas PGRI Kanjuruhan Malang yang menyebabkan
terganggunya proses akademik dan berpotensi membahayakan keamanan data
pribadi mahasiswa. Setiap aktivitas yang terjadi pada server menghasilkan log file
yang merekam berbagai informasi seperti EventName, EventTime, dan
EventSource. Data log ini berperan penting dalam proses identifikasi serta analisis
pola serangan. Namun, kompleksitas dan besarnya volume data log menjadi
kendala dalam proses analisis manual sehingga diperlukan metode otomatis
berbasis machine learning. Penelitian ini bertujuan untuk melakukan analisis
perbandingan antara algoritma K-Means dan DBSCAN dalam proses clustering
data log server. Kedua algoritma termasuk dalam kategori unsupervised learning
yang mampu mengelompokkan data tanpa memerlukan label awal. Evaluasi
performa clustering dilakukan menggunakan metode Silhouette Score untuk
mengukur kualitas dan efektivitas hasil klasterisasi. Hasil penelitian ini
diharapkan dapat memberikan kontribusi terhadap pengembangan sistem deteksi
dini serangan siber melalui optimalisasi analisis data log server secara otomatis,
akurat, dan efisien.

---

Ketersediaan

SB00884S

KKI 001.6 AST p/s

Perpustakaan Unikama

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

KKI 001.6 AST p/s

Penerbit

Malang : Prodi Teknik Informatika Unikama., 2025

Deskripsi Fisik

xiii, 76 hlm 26 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

001.6

Tipe Isi

text

Tipe Media

PDF

Tipe Pembawa

online resource

Edisi

1

Subjek

Skripsi
K-Means Clustering
Teknik Informaika

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar