Pembangunan aplikasi pendeteksi anomali sistem Log Apache menggunakan pembelajaran mesin

Abstract

Kemajuan teknologi membuat internet merupakan salah satu sarana untuk membantu pekerjaan setiap orang. Website adalah salah satu kategori layanan yang populer digunakan di internet. Website ini dijalankan oleh webserver yang beroperasi selama 24 jam tanpa henti. Salah satu webserver yang populer digunakan adalah apache. Apache akan mencatat setiap permintaan dari client, sehingga seluruh kejadian akan dapat ditelusuri. Banyaknya data membuat proses pengecekan menjadi lama dan kurang akurat jika dilakukan secara manual. Solusi permasalahan ini adalah menggunakan pembelajaran mesin untuk memeriksa log akses, sehingga dapat ditemukan, apabila terdapat kejadian yang bersifat anomali. Teknik yang digunakan melibatkan pembelajaran terarah (supervised learning) dan juga pembelajaran tak terarah (unsupervised learning). Sebelum diproses, file log ini akan diperiksa dan akan diperoleh atribut - atribut yang menjelaskan karakteristik dari log tersebut. Kemudian akan ditentukan 2 kategori data, yaitu data latihan dan data pengujian. Data latihan merupakan data yang telah diberi label dan dijadikan masukan untuk system agar dapat mempelajari karakteristik dari file log. Sedangkan data pengujian adalah data yang akan dikenali oleh system berdasarkan data latihan yang telah dimasukan sebelumnya. Pengujian yang dilakukan akan bertujuan untuk mengevaluasi baik buruknya performa algoritma dari model pembelajaran. Akurasi akan menjadi pertimbangan dalam menentukan hal tersebut. Hasil dari penelitian ini adalah sebuah aplikasi yang dapat menentukan ada atau tidaknya anomali yang terjadi berdasarkan dari file log apache yang menjadi masukkan.