SISTEM DETEKSI SERANGAN DENIAL OF SERVICE (DoS) MENGGUNAKAN ALGORITMA RECURRENT NEURAL NETWORKS PADA PERANGKAT INTERNET of THINGS (IoT)

Internet of Things (IoT) adalah teknologi yang semakin populer di seluruh dunia saat ini. Namun, perkembangan teknologi IoT ini juga membawa berbagai ancaman keamanan dan serangan terhadap perangkat IoT, salah satunya adalah pencurian data dan informasi. Ancaman umum dalam IoT termasuk serangan Denial of Service (DoS). Penelitian ini menganalisis keamanan pada Internet of Things (IoT) dengan menggunakan serangan DoS dan pendekatan Deep Learning untuk mengklasifikasi serangan DoS pada perangkat IoT. Metode yang digunakan adalah Recurrent Neural Network (RNN) untuk mengevaluasi tingkat akurasi dalam proses klasifikasi. Penelitian ini melakukan proses klasifikasi menggunakan 10 epoch pada data seimbang dan data tidak seimbang. Hasil evaluasi menunjukkan bahwa pada data tidak seimbang, percobaan menghasilkan akurasi berkisar antara 0,710 hingga 0,999, dengan presisi berkisar antara 0,010 hingga 1,000, recall berkisar antara 0,25 hingga 1,00, dan F1-Score berkisar antara 0,020 hingga 0,857. Namun, data tidak seimbang mengalami overfitting dari epoch 6 hingga 10. Sebaliknya, pada data seimbang, percobaan menghasilkan akurasi berkisar antara 0,798 hingga 0,996, dengan presisi berkisar antara 0,723 hingga 1,000, recall berkisar antara 0,778 hingga 0,992, dan F1-Score berkisar antara 0,822 hingga 0,992. Data seimbang tidak mengalami overfitting, sehingga menghasilkan performa yang lebih baik. Kesimpulannya, metode dengan data seimbang lebih unggul dibandingkan dengan data tidak seimbang dalam mengklasifikasi serangan DoS pada perangkat IoT, menghasilkan akurasi dan stabilitas yang lebih tinggi tanpa mengalami overfitting.