Prediksi Otorisasi Pengguna Sistem Berkas pada Algoritma Klasifikasi dengan Teknik Naïve Bayes
DOI:
https://doi.org/10.23969/infomatek.v24i1.4604Keywords:
Klasifikasi, Naive Bayes, Otorisasi, Pengguna, Sistem BerkasAbstract
Keamanan teknologi informasi saat ini menjadi tuntutan bagi setiap institusi. Salah satu bagian terpenting dalam keamanan IT adalah ketika melindungi sumber daya yang di-akses oleh beberapa pengguna. Beberapa kelemahan yang ditemukan adanya sistem yang mengizinkan beberapa pengguna untuk berbagi data sehingga berpotensi adanya potensi otorisasi pengguna yang berlebihan. Dalam penelitian ini akan dilakukan investi-gasi terhadap 162 log data aktifitas yang memuat data training dan data testing. Adapun dalam konsep analisisnya adalah menggunakan data mining dengan metode klasifikasi dan teknik Naïve Bayes. Hasil menunjukan metode klasifikasi dengan teknik Naïve Bayes cukup efektif untuk memprediksi adanya anomali otorisasi pengguna file. Selan-jutnya sudah dibuktikan melalui kinerjanya dengan menggunakan confusion matrix yang mencapai 89% dalam nilai akurasinya. Dengan demikian, data mining akan menjadi se-buah konsep dalam pengembangan dan analisis terhadap sistem keamanan terutama sistem berkas yang mengakomodasi manajemen pengguna untuk mengizinkan akses sumber dayaDownloads
References
Annur, H. (2018). Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes. Ilk. J. Ilm., 10(2), 160–165, 2018, doi: 10.33096/ilkom.v10i2.303.
Aridas, C. K., Karlos, S., Kanas, V. G. Fazakis, N. and Kotsiantis, S. B. (2020). Uncertainty Based Under-Sampling for Learning Naive Bayes Classifiers under Imbalanced Data Sets. IEEE Access,. 8, 2122–2133, doi: 10.1109/ACCESS. 2019.2961784.
Cai, N. H., Meng, Ryder, B. and Yao, D. (2019). DroidCat: Effective android malware detection and categorization via app-level profiling. IEEE Trans. Inf. Forensics Secur., 14(6), 1455–1470, 2019, doi: 10.1109/TIFS.2018.2879302.
Chazar C. and Widhiaputra, B. E. (2020). Machine Learning Diagnosa Kanker Payudara menggunakan Algoritma Support Vector Machine. INFORMASI Jurnal Informatika dan Sistem Informasi, 12(1), 67–78.
Das, A. K., Wazid, M., Kumar, N., Vasilakos, A. V., and Rodrigues, J. J. P. C. (2018). Biometrics-Based Privacy-Preserving User Authentication Scheme for Cloud-Based Industrial Internet of Things Deployment. IEEE Internet Things J., 5(6), 4900–4913, doi: 10.1109/JIOT.2018.2877690.
Degirmenci, K. (2020). Mobile users’ information privacy concerns and the role of app permission requests. Int. J. Inf. Manage., 50, 261–272, doi: 10.1016/j.ijinfomgt.2019.05.010.
Dulhare, U. N. (2018). Prediction system for heart disease using Naive Bayes and particle swarm optimization. Biomed. Res., 29(12), 2646–2649, doi: 10.4066/biomedicalresearch.29-18-620.
Fadlan, C., Ningsih, S. and Windarto, A. P. (2018). Penerapan Metode Naïve Bayes Dalam Klasifikasi Kelayakan Keluarga Penerima Beras Rastra. J. Tek. Inform. Musirawas, 3(1), p. 1, doi: 10.32767/jutim.v3i1.286.
Fadlil, A. Riadi, I. and Aji, S. (2017). DDoS Attacks Classification using Numeric Attribute-based Gaussian Naive Bayes. Int. J. Adv. Comput. Sci. Appl., 8,(8), 42–50, doi: 10.14569/ijacsa.2017.080806.
Gunawan, (2019). Sistem Pendukung Keputusan Memilih Jurusan di Perguruan Tinggi Menggunakan Metode Analytical Hierarchy Process (AHP). Inf. (Jurnal Inform. dan Sist. Informasi), 11(1), 1–17, doi: 10.37424/informasi.v11i1.7.
Gunduz M. Z. and Das, R. (2020). Cyber-security on smart grid: Threats and potential solutions. Comput. Networks, 169, p. 107094,, doi: 10.1016/j.comnet.2019.107094.
Imandasari, T., Irawan, E., Windarto, A. P. and Wanto, A. (2019). Algoritma Naive Bayes Dalam Klasifikasi Lokasi Pembangunan Sumber Air. Pros. Semin. Nas. Ris. Inf. Sci., 1, p. 750, 2019, doi: 10.30645/senaris.v1i0.81.
Irmayani, W. (2021). Visualisasi Data Pada Data Mining Menggunakan Metode Klasifikasi. J. KHATULISTIWA Inform., IX(I), 68–72.
Laksono, R. A., Sungkono, K. R., Sarno, R. and Wahyuni, C. S. (2019). Sentiment analysis of restaurant customer reviews on tripadvisor using naïve bayes. Proc. 2019 Int. Conf. Inf. Commun. Technol. Syst. ICTS 2019, 49–54, doi: 10.1109/ICTS.2019.8850982.
Mustafa, M. S., Ramadhan, M. R. and Thenata, A. P. (2017). Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Citec J., 4( 2), 151–162.
Parlina I., Arnol, M.Y., Febriati, N.A., Dewi, R., Wanto, A., Lubis, M.R., Susiani. (2019). Naive Bayes Algorithm Analysis to Determine the Percentage Level of visitors the Most Dominant Zoo Visit by Age Category. J. Phys. Conf. Ser., 1255, 012031, doi: 10.1088/1742-6596/1255/1/012031.
Peling, I. B. A. Arnawan, I. N. Arthawan, I. P. A. and Janardana, I. G. N. (2017). Implementation of Data Mining To Predict Period of Students Study Using Naive Bayes Algorithm. Int. J. Eng. Emerg. Technol., 2(1), p. 53, doi: 10.24843/ijeet.2017.v02.i01.p11.
Pranckevičius, T. and Marcinkevičius, V. (2017). Comparison of Naive Bayes, Random Forest, Decision Tree, Support Vector Machines, and Logistic Regression Classifiers for Text Reviews Classification,” Balt. J. Mod. Comput., 5(2), 221–232, doi: 10.22364/bjmc.2017.5.2.05.
Putri, S.U., Irawan, E. & Rizky, F. (2021). Implementasi Data Mining Untuk Prediksi Penyakit Diabetes. KESATRIA (J. penerapan Sist. Inf. dan Manaj., 2(1), 39–46.
Rasjid Z. E. and Setiawan, R. (2017). Performance Comparison and Optimization of Text Document Classification using k-NN and Naïve Bayes Classification Techniques,” Procedia Comput. Sci., 116, 107–112, doi: 10.1016/j.procs.2017.10.017.
Rifqo, M. H. and Wijaya, A. (2017). Implementasi Algoritma Naive Bayes Dalam Penentuan Pemberian Kredit. Pseudocode, 4(2), 120–128, doi: 10.33369/pseudocode.4.2.120-128.
Slamet, C., Andrian, R., Maylawati, D. S. Suhendar, Darmalaksana, W., and Ramdhani, M. A. (2018). Web Scraping and Naïve Bayes Classification for Job Search Engine. IOP Conf. Ser. Mater. Sci. Eng., 288, doi: 10.1088/1757-899X/288/1/012038.Supriyatna A. and Mustika, W. P. (2018). Komparasi Algoritma Naive bayes dan SVM Untuk Memprediksi Keberhasilan Imunoterapi Pada Penyakit Kutil. J-SAKTI (Jurnal Sains Komput. dan Inform., 2(2) p. 152, , doi: 10.30645/j-sakti.v2i2.78.
Taylor, P. J., Dargahi, T., Dehghantanha, A., Parizi, R. M. and Choo, K. K. R. (2020) A systematic literature review of blockchain cyber security Digit. Commun. Networks, 6(2), 147–156, doi: 10.1016/j.dcan.2019.01.005.
Wahyuningsih S. and Utari, D. R. (2018). Perbandingan Metode K-Nearest Neighbor, Naive Bayes dan Decision Tree untuk Prediksi Kelayakan Pemberian Kredit. Konf. Nas. Sist. Inf. 2018 STMIK Atma Luhur Pangkalpinang, 8 – 9 Maret 2018, pp. 619–623.
Wongkar, M. and Angdresey, A. (2019). Sentiment Analysis Using Naive Bayes Algorithm Of The Data Crawler: Twitter. Proc. 2019 4th Int. Conf. Informatics Comput. ICIC 2019. 1–5, doi: 10.1109/ICIC47613.2019.8985884.
Wood, A., Shpilrain, V., Najarian, K. and Kahrobaei, D. (2019). Private naive bayes classification of personal biomedical data: Application in cancer data Application in cancer data analysis,” Comput. Biol. Med., 105, 144–150, doi: 10.1016/j.compbiomed.2018.11.018.
