[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-id-113":3,"doc-seo-118837-113":53,"doc-detail-118837-id":132},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45,49],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},55,"Document","Agama & Spiritualitas",60,"religion-spirituality",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},48,"Cerita & Novel","story-novel",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},56,"Gaya Hidup","lifestyle",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},51,"Komik","comic",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},53,"Layanan Kesehatan","healthcare",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},54,"Penelitian & Laporan","research-report",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},49,"Sastra","literature",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},52,"Teknologi","technology",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},50,"Ujian","exam",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},57,"Umum","general",{"id":50,"doc_module":4,"doc_module_name":9,"category_name":51,"show_sort_weight":4,"slug":52},181,"Formulir","formulir",{"code":4,"msg":54,"data":55},"ok",{"site_id":56,"language":57,"slug":58,"title":59,"keywords":60,"description":61,"schema_data":62,"social_meta":125,"head_meta":127,"extra_data":129,"updated_unix":131},113,"id","design-and-build-a-ddos-mitigation-proxy-system-based-on-machine-learning-and-blockchain-conclusions-and-recommendations","Rancang Bangun Sistem Proxy Mitigasi DDoS Berbasis Machine Learning dan Blockchain - Simpulan Dan Saran","","Penelitian merancang dan membangun sistem proxy mitigasi DDoS yang memanfaatkan machine learning untuk deteksi serangan serta database terdistribusi berbasis blockchain untuk mendukung proses mitigasi. Hasil evaluasi menunjukkan akurasi deteksi DDoS rata-rata di atas 95% pada tujuh model dengan waktu deteksi dan keputusan sekitar 0,1–1 detik (laptop) dan 3–4 detik (virtual machine). Sistem blockchain meningkatkan efektivitas pada time to mitigate menjadi 0,67 detik, jauh lebih cepat dibanding referensi Ethereum. Meski demikian, overfitting terjadi akibat dataset kecil, dan performa reverse proxy dapat meningkatkan latency hingga 30 kali.",{"@graph":63,"@context":124},[64,81,103],{"@type":65,"itemListElement":66},"BreadcrumbList",[67,72,75,78],{"item":68,"name":69,"@type":70,"position":71},"https://docshare.wps.com","Home","ListItem",1,{"item":73,"name":9,"@type":70,"position":74},"https://docshare.wps.com/id/document/",2,{"item":76,"name":31,"@type":70,"position":77},"https://docshare.wps.com/id/document/penelitian-laporan/",3,{"item":79,"name":59,"@type":70,"position":80},"https://docshare.wps.com/id/document/design-and-build-a-ddos-mitigation-proxy-system-based-on-machine-learning-and-blockchain-conclusions-and-recommendations/118837/",4,{"url":79,"name":59,"@type":82,"image":83,"author":88,"headline":59,"publisher":91,"fileFormat":94,"inLanguage":57,"description":61,"dateModified":95,"datePublished":96,"encodingFormat":94,"isAccessibleForFree":97,"interactionStatistic":98},"DigitalDocument",{"url":84,"@type":85,"width":86,"height":87},"https://docshare.wps.com/thumbnails/design-and-build-a-ddos-mitigation-proxy-system-based-on-machine-learning-and-blockchain-conclusions-and-recommendations/118837.png","ImageObject",300,407,{"name":89,"@type":90},"Finn","Person",{"url":68,"name":92,"@type":93},"DocShare","Organization","application/pdf","2026-09-19","2026-08-03",true,{"@type":99,"interactionType":100,"userInteractionCount":102},"InteractionCounter",{"@type":101},"ViewAction",6,{"@type":104,"mainEntity":105},"FAQPage",[106,112,116,120],{"name":107,"@type":108,"acceptedAnswer":109},"Bagaimana performa akurasi deteksi serangan DDoS pada sistem proxy mitigasi?","Question",{"text":110,"@type":111},"Akurasi deteksi DDoS rata-rata berada di atas 95% pada tujuh model machine learning. Waktu deteksi dan keputusan berada pada kisaran 0,1–1 detik di laptop dan 3–4 detik di virtual machine.","Answer",{"name":113,"@type":108,"acceptedAnswer":114},"Mengapa terjadi overfitting pada dataset yang digunakan?",{"text":115,"@type":111},"Overfitting terjadi pada dataset protokol TCP karena dataset yang kecil tidak mewakili seluruh kemungkinan data acak. Kondisi ini menyebabkan hasil tidak sepenuhnya mencerminkan klasifikasi pada skenario nyata.",{"name":117,"@type":108,"acceptedAnswer":118},"Apa manfaat penggunaan database terdistribusi berbasis blockchain dalam sistem?",{"text":119,"@type":111},"Blockchain meningkatkan efektivitas dari sisi time to mitigate dan proses sebaran serta konsensus, dengan waktu sekitar 0,67 detik. Waktu ini lebih cepat dibanding referensi penelitian terdahulu yang menggunakan blockchain Ethereum (96,95 detik).",{"name":121,"@type":108,"acceptedAnswer":122},"Mengapa performa reverse proxy dapat meningkatkan latency secara signifikan?",{"text":123,"@type":111},"Performa reverse proxy dianggap kurang baik karena pada kasus terburuk latency bisa meningkat hingga 30 kali. Hal ini dikaitkan dengan penggunaan library netfilterQueue pada firewall controller yang memakai single thread, sementara arsitektur proxy controller sudah menerapkan paradigma multithreading.","https://schema.org",{"og:url":79,"og:type":126,"og:title":59,"og:site_name":92,"og:description":61},"article",{"robots":128,"canonical":79},"index,follow",{"doc_id":130,"site_id":56},118837,1785720536,{"code":4,"msg":5,"data":133},{"doc_id":130,"user_id":134,"nickname":89,"user_avatar":135,"doc_module":4,"category_id":30,"category_name":31,"doc_title":59,"doc_description":61,"doc_content":136,"file_id":137,"file_url":138,"file_type":139,"file_size":140,"view_count":102,"is_deleted":4,"is_public":71,"is_downloadable":71,"audit_status":71,"page_count":80,"language":141,"language_code":57,"site_id":56,"html_lang":57,"table_of_contents":142,"faqs":143,"seo_title":144,"seo_description":61,"update_tm":131,"read_time":102},549768064778,"https://ap-avatar.wpscdn.com/davatar_6f874abed73319feea01a86fa6f0fab8","BAB V  \nSIMPULAN DAN SARAN  \n5.1 Simpulan  \nDari hasil penelitian yang sudah didapatkan penulis, penulis mendapatkan  \nbeberapa kesimpulan yaitu  \n1. Dengan menggunakan teknologi machine learning pada sistem proxy mitigasi DDoS didapatkan hasil akurasi deteksi serangan DDoS dengan nilai rata rata diatas 95% ke 7 model machine learning yang berbeda dengan menggunakan data features dan metode pre-processing seperti normalisasi dan balancing SMOTE yang digunakan oleh penulis. Namun masih terjadi overfitting pada dataset protokol TCP akibat penggunaan dataset yang kecil sehingga tidak mewakili semua kemungkinan data acak. Semua model machine learning didapatkan dengan waktu deteksi dan waktu pengambil kesimpulan yang cukup kecil yaitu sekitar 0.1 – 1 detik pada perangkat laptop penulis dan 3 – 4 detik pada virtual machine.  \n2. Setiap model machine learning memiliki perbedaan hasil karakteristik pada setiap protokol jaringan komputer dengan matriks akurasi dan waktu prediksi, sehingga penulis menyarankan untuk memakai model machine learning yang berbeda beda tiap protokol untuk mendapatkan performa machine learning terbaik.  \n3. Penulis menyarankan jika sistem ini diimplementasikan pada spesifikasisistem yang rendah, digunakan metode machine learning individual danidentifikasi machine learning. Karena secara rata-rata penggunaan CPU merupakan yang paling kecil dan efisien daripada metode yang lainnya. Namun jika diimplementasikan pada sistem yang memiliki spesifikasi lebih tinggi maka penulis menyarankan menggunakan metode machine learning timeseries dengan identifikasi machine learning karena dengan menggunakan metode individual waktu TTMnya pasti akan sekitar 0 – 5 detik karena adanyawaktu tidur pada algoritmanya, dan jika metode timeseries akan berkisar 3-4  \ndetik dan bisa lebihkecil jika menggunakan sistem dengan performa CPU yang  \nlebih tinggi.  \n4. Untuk metode identifikasi paket yang merupakan bagian dari serangan DDoS, penulis mendapatkan kesimpulan bahwa dengan menggunakan metodependekatan karakteristik paket terbanyak yaitu mencari nilai mayoritas sebagai signature paket DDoS bisa mengurangi waktu time to mitigate sistem mitigasi dan throughput sistem reverse proxy, namun proses komputasinya lebih besar dari pada menggunakan metode machine learning dan jika ada teknik serangan lainnya bisa saja tidak berfungsi dengan baik seperti terjadi pada protokol ICMP. Disisi lain, algoritma machine learning dapat secara efektifdalam nilai akurasi untuk melakukan identifikasi paket yang termasuk serangan DDoS dengan features yang digunakan dan jumlah dataset yang sedikit (400 paket data). Namun karena pengujian hanya menggunakan dataset yang kecil, makaterjadi overfitting akibat kekurangan semua kemungkinan data acak sehinggahasil tidak mencerminkan performa klasifikasi pada kondisi nyata. Didapatkan machine learning algoritma naïve bayes mendapatkan waktu total latih dan prediksi paling kecil dari pada algoritma lainnya. Hasil ini hanya sebagaireferensi penentu algoritma machine learning yang akan digunakan nantinya.  \n5. Penggunaan teknologi database terdistribusi berbasis blockchain dapat meningkatkan efektivitas sistem IPS dari sisi time to mitigate, dengan waktusebar dan konsensus yaitu 0,67 detik, hal ini jauh lebih cepat daripadamenggunakan blockchain Etherium sesuai referensi penelitian terdahulu 2.1.4 yaitu 96.95 detik.  \n6. Pengujian kemampuan immutability data ketika menggunakan keypair yang salah mendapatkan hasil bahwa data yang disimpan pada database BigchainDB memiliki kemampuan immutability dengan perilaku database mengembalikan error dan transaksi tidak terbuat  \n7. Performa reverse proxy tidak cukup bagus karena dalam kasus terburuknyadapat meningkatkan latency sebesar 30 kali, hal ini karena penggunaan library netfilterQueue pada sistem firewall controller yang menggunakan single  \nthread walaupun arsitektur sistem proxy controller sudah diterapkan  \nparadigma multithreading.  \n8. Penulis menyimpulkan bahwa sist","cbCaij2OjVUirCZI","https://ap.wps.com/l/cbCaij2OjVUirCZI","pdf",124839,"Indonesian","# Simpulan\n## Akurasi deteksi dan performa waktu\n## Perbedaan model antar protokol jaringan\n## Rekomendasi metode machine learning berdasarkan spesifikasi sistem\n## Identifikasi paket berbasis karakteristik dan perbandingan dengan machine learning\n## Blockchain untuk meningkatkan time to mitigate\n## Immutability data pada BigchainDB\n## Performa reverse proxy dan latency\n## Efisiensi sistem terhadap false positive\n# Saran\n## Optimasi waktu rangkum pada metode machine learning individual\n## Penambahan dataset melalui implementasi jaringan nyata\n## Distribusi signature agar mendukung TCP, UDP, ICMP dan mencegah IP spoofing\n## Optimalisasi firewall dan reverse proxy dengan multithreading","[{\"question\":\"Bagaimana performa akurasi deteksi serangan DDoS pada sistem proxy mitigasi?\",\"answer\":\"Akurasi deteksi DDoS rata-rata berada di atas 95% pada tujuh model machine learning. Waktu deteksi dan keputusan berada pada kisaran 0,1–1 detik di laptop dan 3–4 detik di virtual machine.\"},{\"question\":\"Mengapa terjadi overfitting pada dataset yang digunakan?\",\"answer\":\"Overfitting terjadi pada dataset protokol TCP karena dataset yang kecil tidak mewakili seluruh kemungkinan data acak. Kondisi ini menyebabkan hasil tidak sepenuhnya mencerminkan klasifikasi pada skenario nyata.\"},{\"question\":\"Apa manfaat penggunaan database terdistribusi berbasis blockchain dalam sistem?\",\"answer\":\"Blockchain meningkatkan efektivitas dari sisi time to mitigate dan proses sebaran serta konsensus, dengan waktu sekitar 0,67 detik. Waktu ini lebih cepat dibanding referensi penelitian terdahulu yang menggunakan blockchain Ethereum (96,95 detik).\"},{\"question\":\"Mengapa performa reverse proxy dapat meningkatkan latency secara signifikan?\",\"answer\":\"Performa reverse proxy dianggap kurang baik karena pada kasus terburuk latency bisa meningkat hingga 30 kali. Hal ini dikaitkan dengan penggunaan library netfilterQueue pada firewall controller yang memakai single thread, sementara arsitektur proxy controller sudah menerapkan paradigma multithreading.\"}]","Rancang Bangun Sistem Proxy Mitigasi DDoS Berbasis Machine Learning dan Blockchain - Simpulan Dan Saran | PDF"]