Perpustakaan Digital ITB

Jaringan nirkabel memainkan peranan penting dalam menyediakan layanan yang stabil dan tanpa gangguan untuk proses transmisi data. Pentingnya keamanan operasi jaringan, terutama proses transmisi data sangat perlu diperhatikan agar aktivitas sehari-hari tetap berjalan lancar, sebagai contoh kegiatan bisnis, pendidikan, perbankan, kesehatan, dan lain sebagainya. Salah satu gangguan dalam proses transmisi data pada jaringan nirkabel ialah jamming attack. Gangguan/serangan ini mengakibatkan hilangnya koneksi komunikasi perangkat telekomunikasi, yang sebagian besar terhubung ke jaringan internet dan digunakan dalam proses transmisi data. Serangan jamming ini memblokir sinyal transmisi gelombang radio yang memiliki frekuensi yang sama dengan jammer. Hampir segala bidang kehidupan sudah bergantung pada jaringan nirkabel ini, karenanya, jamming attack dapat menyebabkan kegagalan transmisi informasi yang dapat berakibat fatal. Serangan ini juga membuat suatu area yang terdampak jamming kehilangan service ke jaringan internet, Denial of Service (DOS). Telah banyak dilakukan penelitian dalam pengembangan teknik deteksi serangan jamming dan memanfaatkan Machine Learning (ML) sebagai solusi yang mendukung pendeteksian yang akurat dan low latency. Pada Tesis ini, pengembangan teknik deteksi serangan jamming akan dilakukan dengan menggunakan nilai parameter jaringan nirkabel, PDR dan RSS, dan algoritma supervised learning seperti K-Nearest Neighbors (KNN), decision tree, random forest, gradient boosting, adaptive boosting, naive bayes dan Support Vector Machine (SVM). Hasil menunjukkan bahwa model hybrid terpilih sebagai model terbaik dengan masing-masing pencapaian akurasi, presisi, dan recall sebesar 96.8% terhadap 30% dataset testing.