Metode Seleksi Fitur Kolaboratif Filter Varian Rendah dan Korelasi Pearson Exclude untuk Klasifikasi Bot dan Brute Force.

Abstract

Malware merupakan ancaman kejahatan bagi dunia cyber saat ini. Tercatat, bentuk serangan malware yang terbanyak dan tertinggi itu adalah Bot diikuti oleh Brute Force. Bot bekerja menyusup dan merusak sistem seperti zombie. Sedangkan, Brute Force memiliki algoritme untuk menjebol akses ke data yang terenkripsi seperti pencurian data. Kedua serangan tersebut jika tidak dikendalikan akan merugikan pengguna internet. Penelitian ini mengujikan filter varian rendah dikombinasikan dengan korelasi Pearson exclude dan Decision tree. Setiap fitur nilai varian di bawah 0.016 akan dihapus, diuji tingkat korelasinya dengan angka threshold 0.1 - 0.4, dan diklasifikasikan dengan pengolahan data latih menjadi sebuah model. Metode seleksi fitur yang dilakukan berhasil membuat model klasifikasi Bot dan Brute Force dengan berkinerja baik. Mengurangi jumlah fitur dari 83 fitur menjadi 10 fitur terseleksi untuk Bot, 15 fitur terseleksi untuk Web Attack Brute Force dan 10 fitur terseleksi untuk SSH – Patator. Hasil akurasi tertinggi dari model klasifikasi Bot sebesar 99.5% dengan threshold 0.4, Web Attack Brute Force tertinggi sebesar 99.8% dengan threshold 0.1 dan SSH - Patator sebesar 99.7% dengan threshold 0.4. Nilai presisi untuk Bot tertinggi sebesar 98.5% dengan threshold 0.1 dan 0.3, Web Attack Brute Force sebesar 100% dengan threshold 0.3 dan SSH - Patator tertinggi sebesar 99.7% dengan threshold 0.3 dan 0.4. Nilai recall untuk Bot tertinggi sebesar 99.5% dengan threshold 0.1 dan 0.3, Web Attack Brute Force sebesar 100% dengan threshold 0.1 dan SSH - Patator sebesar 99.8% dengan threshold 0.1 dan 0.2.