OPTIMASI JARAK CLUSTER PADA DATA INTRUSI JARINGAN MENGGUNAKAN MULTIOBJECTIVE GENETIK ALGORITMA

Intrusion Detection System (IDS) merupakan sistem yang digunakan untuk melakukan monitoring terhadap intrusi.Terdapat dua jenis klasifikasi pendeteksian yang dikenal yaitu anomaly dan misuse. Anomali berusaha untuk melakukan identifikasi kelakuan yang tidak wajar pada jaringan, sedang misuse berusaha melakukan identifikasi aktifitas yang membahayakan berdasarkan pola tertentu. Permasalahan yang timbul pada proses Fuzzy clustering adalah kurangnya optimasi jarak pada titik cluster ke data intrusi jaringan serta validasinya, maka dalam penelitian ini diimplementasikan metoda multiobjective genetik algoritma yang digunakan untuk mengoptimasi proses clustering untuk memisahkan data normal dan data intrusi. Pada percobaan ini menggunakan data dari DARPA 1999 yang diambil dari simulasi serangan di MIT lab, data ini sudah banyak digunakan untuk penelitian dalam bidang deteksi intrusi.Metode yang digunakan dalam proses clustering ini menggunakan Nodominated-sort Genetic Algorithm (NSGA-II).NSGA-II ini digunakan untuk proses optimasi jarak cluster pada data intrusi.Pada optimasi jarak cluster ini fungsi objectif pertama digunakan untuk proses cluster global dan fungsi objectif kedua digunakan sebagai fungsi minimal untuk validasi cluster didalam intra clusternya.hasil dari optimasi kedua fungsi objectif menghasilkan kumpulan-kumpulan solusi yang didapat dari proses Non-dominated proses yang dinamakan sebagai Pareto front.