EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Analisis Komparatif Pengaruh Kedalaman Arsitektur Convolutional Neural Network untuk Deteksi Anomali Jaringan

Krisna Nuresa Qodri, Satriawan Desmana, Bella Adinda Putri, Ratih Ratih, Muhammad Abdul Mu'in

Blend Sains Jurnal Teknik · 30.07.2026 · 5 (1) · 260-276

DOI: 10.56211/blendsains.v5i1.1841 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Blend Sains Jurnal Teknik, online erschienen am 30.07.2026. Verfasst von Krisna Nuresa Qodri und 4 weiteren Autor:innen. Die Arbeit nennt 43 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Tingkat kecanggihan serangan siber yang terus meningkat menjadi tantangan serius bagi sistem keamanan jaringan konvensional. Penelitian ini mengkaji efektivitas Convolutional Neural Network (CNN) dalam mendeteksi anomali jaringan menggunakan dataset UNSW-NB15. Dua arsitektur CNN dengan tingkat kompleksitas berbeda dibandingkan, yaitu CNN dasar dengan satu blok konvolusi dan CNN menengah dengan tiga blok konvolusi. Hasil eksperimen menunjukkan bahwa arsitektur CNN menengah memberikan kinerja yang lebih unggul dengan akurasi 97,91%, presisi 98,89%, dan nilai ROC-AUC 0,9979, jauh melampaui model dasar yang hanya mencapai akurasi 94,36%. Tingkat false positive yang rendah, yaitu 1,93%, serta tingkat false negative sebesar 2,18%, mengindikasikan kelayakan praktis yang kuat untuk diterapkan pada lingkungan operasional nyata. Temuan ini memberikan bukti empiris bahwa rekayasa kedalaman arsitektur yang moderat disertai regularisasi kuat memegang peranan krusial dalam menjaga stabilitas konvergensi dan mengeliminasi risiko overfitting ekstrem pada sistem deteksi intrusi jaringan.

Zitieren

APA

Qodri, K. N., Desmana, S., Putri, B. A., Ratih, R., & Mu'in, M. A. (2026). Analisis Komparatif Pengaruh Kedalaman Arsitektur Convolutional Neural Network untuk Deteksi Anomali Jaringan. Blend Sains Jurnal Teknik, 5(1), 260-276. https://doi.org/10.56211/blendsains.v5i1.1841

Vancouver

Qodri KN, Desmana S, Putri BA, Ratih R, Mu'in MA. Analisis Komparatif Pengaruh Kedalaman Arsitektur Convolutional Neural Network untuk Deteksi Anomali Jaringan. Blend Sains Jurnal Teknik. 2026;5(1):260-276. doi:10.56211/blendsains.v5i1.1841

BibTeX
@article{Qodri2026,
  author = {Qodri, Krisna Nuresa and Desmana, Satriawan and Putri, Bella Adinda and Ratih, Ratih and Mu'in, Muhammad Abdul},
  title = {Analisis Komparatif Pengaruh Kedalaman Arsitektur Convolutional Neural Network untuk Deteksi Anomali Jaringan},
  journal = {Blend Sains Jurnal Teknik},
  year = {2026},
  volume = {5},
  number = {1},
  pages = {260--276},
  doi = {10.56211/blendsains.v5i1.1841}
}
Kostenlos starten →