Implementasi Algoritma Deep Learning untuk Deteksi Dini Intrusi Jaringan pada Sistem Keamanan Siber Berbasis IoT

Abstract

Pesatnya perkembangan Internet of Things (IoT) telah membawa transformasi besar dalam berbagai sektor, namun sekaligus meningkatkan kerentanan terhadap serangan siber. Sistem keamanan konvensional seperti firewall dan antivirus tidak lagi memadai untuk mendeteksi ancaman yang semakin canggih dan dinamis. Penelitian ini bertujuan untuk mengimplementasikan algoritma deep learning guna mendeteksi dini intrusi jaringan pada sistem keamanan siber berbasis IoT. Metode yang digunakan adalah Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) yang dilatih menggunakan dataset NSL-KDD dan CICIDS2017. Hasil penelitian menunjukkan bahwa model CNN-LSTM mampu mencapai akurasi deteksi sebesar 98,7% dengan false positive rate sebesar 1,2%, lebih unggul dibandingkan metode machine learning konvensional seperti Random Forest dan Support Vector Machine. Dengan demikian, implementasi deep learning terbukti efektif dalam meningkatkan kemampuan deteksi dini intrusi pada lingkungan IoT.