Prediksi Otorisasi Pengguna Sistem Berkas pada Algoritma Klasifikasi dengan Teknik Naïve Bayes

Abstract

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 daya.

Analisis Sentimen Tanggapan Masyarakat Indonesia Tentang Kenaikan BBM Menggunakan Metode Artificial Neural Network

“…Confusion Matrix adalah tabel dengan 4 kombinasi berbeda dari nilai prediksi dan nilai aktual. Ada empat istilah yang merupakan representasi hasil proses klasifikasi pada confusion matrix yaitu True Positif (TP), True Negatif (TN), False Positif (FP), dan False Negatif (FN) (Pamuji, 2022)…”