bab iv hasil dan pembahasan - dinamikarepository.dinamika.ac.id/id/eprint/1134/8/bab_iv.pdf ·...

31

BAB IV

HASIL DAN PEMBAHASAN

Dalam bab ini akan dibahas tentang hasil pengujian perhitungan dengan

membandingkan histogram data mentah dengan distribusi probabilitas teoritis.

Data mentah tersebut adalah hasil dari proses serangan Denial of Service Attack

atau DoS Attack, DoS Attack yang digunakan untuk serangan terdiri atas UDP

Attack, SYN Attack dan PING Flood. Untuk masing-masing serangan terdapat

lima pengujian, dikarenakan agar pengujian ini jauh lebih valid dan bisa

dipertanggungjawabkan seperti UDP Attack terdiri UDP Attack A, UDP Attack B,

UDP Attack C, UDP Attack D dan UDP Attack Rata-rata, UDP Attack Rata-rata

merupakan rata-rata dari serangan UDP Attack A, UDP Attack B, UDP Attack C,

UDP Attack D. Selanjutnya untuk PING Flood terdapat lima pengujian terdiri dari

PING Flood A, PING Flood B, PING Flood C, PING Flood D dan PING Flood

Rata-rata,PING Flood Rata-rata merupakan rata-rata dari serangan PING Flood

A, PING Flood B, PING Flood C, PING Flood D. Selanjutnya untuk SYN Attack

terdapat lima pengujian terdiri dari SYN Attack A, SYN Attack B, SYN Attack C,

SYN Attack D dan SYN Attack Rata-rata, SYN Attack Rata-rata merupakan rata-

rata dari SYN Attack A, SYN Attack B, SYN Attack C, SYN Attack D.

32

4.1 Hasil Pengujian UDP Attack Menggunakan HPING

Langkah pertama melakukan perhitungan interval kelas dengan menggunakan

metode sturgess, dikarenakan agar data tersebut bisa disajikan dengan baik, untuk

rumus interval interval kelas dengan metode sturgess bisa dilihat pada Bab 2.8.

4.1.1 UDP ATTACK A

Langkah selanjutnya adalah untuk mencari hasil berupa nilai tengah dan

frekuensi relatif, nilai tengah ini akan digunakan untuk plot histogram atau

grafikdan perhitungan nilai distribusi probabilitas, sedangkan frekuensi relatif

digunakan dalam proses perhitungan frekuensi pada data mentah yang sudah di

bagi dalam bentuk interval kelas. Hasil perhitungan UDP Attack A untuk mencari

nilai tengah dan frekuensi relatif ditunjukan dalam Tabel 4.1.

Tabel 4.1. Hasil Nilai Tengah dan Frekuensi Relatif UDP Attack A.

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 40721 74.5 0.94568044589

2 INTERVAL 150-299 138 224.5 0.00320483047

3 INTERVAL 300-449 143 374.5 0.00332094752

4 INTERVAL 450-599 214 524.5 0.00496980957

5 INTERVAL 600-749 106 674.5 0.00246168137

6 INTERVAL 750-899 109 824.5 0.00253135160

7 INTERVAL 900-1049 67 974.5 0.00155596842

8 INTERVAL 1050-1199 77 1124.5 0.00178820251

9 INTERVAL 1200-1349 53 1274.5 0.00123084069

10 INTERVAL 1350-1499 1432 1424.5 0.03325592197

TOTAL JUMLAH

PAKET

43060

Langkah selanjutnya UDP Attack A adalah menghitung estimasi parameter

α, β pada distribusi Gamma dan estimasi parameter �, � pada distribusi

33

Lognormal dan estimasi parameter �, �untuk distribusi Weibull, menggunakan

aplikasi Matlabdiperoleh nilai estimasi parameter sebagai berikut:

a. Distribusi Gamma� = 0.883059, �= 119.855

b. Distribusi Lognormal µ = 3.99832, σ = 0.723896

c. Distribusi Weibull α = 86.5774, β = 0.80678

Langkah selanjutnya adalah melakukan proses perhitungan dengan

memakai rumus distribusi probabilitas seperti ditunjukan dalam persamaan pada

bab 2.7 nomor lima sampai nomor tujuh dan diperoleh hasil berupa nilai distribusi

probabilitas teoritis, nilai distribusi probabilitas teoritis ini diperoleh setelah

melakukan proses estimasi parameter. Hasil distribusi probabilitas secara teoritis

ditunjukan dalam Tabel 4.2.

Tabel 4.2. Hasil Distribusi Probabilitas UDP Attack A

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00630453631 0.00437561788 0.00673931769 0.00395584383

2 0.00002136554 0.00110025351 0.00036280868 0.00089662327

3 0.00002213965 0.00029646912 0.00004252139 0.00026969515

4 0.00003313206 0.00008153553 0.00000789317 0.00009131614

5 0.00001641121 0.00002264894 0.00000194907 0.00003322807

6 0.00001687568 0.00000632885 0.00000058513 0.00001271908

7 0.00001037312 0.00000177546 0.00000020267 0.00000505985

8 0.00001192135 0.00000049948 0.00000007834 0.00000207587

9 0.00000820560 0.00000014140 0.00000003313 0.00000087615

10 0.00022170615 0.00000003976 0.00000001496 0.00000037574

Selanjutnya nilai distribusi probabilitas dibandingkan dengan histogram

dari data mentah. Dalam uji distribusi probabilitas digunakan tiga buah distribusi

yaitu distribusi Gamma, Lognormal dan Weibull, pengujian tersebut dilakukan

dengan cara plot grafik dengan membandingkan histogram data mentah dengan

35

Tabel 4.3. MSE UDP Attack A

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000372073 0.0000001890 0.0000055164

2 0.00000116400 0.0000001166 0.0000007661

3 0.00000007526 0.0000000004 0.0000000613

4 0.00000000234 0.0000000006 0.0000000034

5 0.00000000004 0.0000000002 0.0000000003

6 0.00000000011 0.0000000003 0.0000000000

7 0.00000000007 0.0000000001 0.0000000000

8 0.00000000013 0.0000000001 0.0000000001

9 0.00000000007 0.0000000001 0.0000000001

10 0.00000004914 0.0000000491 0.0000000490

Jumlah 0.00000501188 0.0000003566 0.0000063966

Hasil MSE pada Tabel 4.3, MSE Lognormal paling terkecil terlihat pada

jumlah keseluruhan sehingga distribusi yang paling mendekati dengan histogram

data mentah adalah distribusi Lognormal dari pada distribusi Gamma dan

distribusi Weibull.

4.1.2 UDP ATTACK B

Langkah pertama adalah untuk mencari hasil berupa nilai tengah dan

frekuensi relatif, nilai tengah ini akan digunakan untuk plot histogram atau grafik

dan perhitungan nilai distribusi probabilitas, sedangkan frekuensi relatif


bagi dalam bentuk interval kelas. Hasil perhitungan UDP Attack B untuk mencari


36

Tabel 4.4. Hasil Nilai Tengah dan Frekuensi Relatif UDP Attack B

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 24211 74.5 0.890470411

2 INTERVAL 150-299 118 224.5 0.00433999

3 INTERVAL 300-449 98 374.5 0.003604399

4 INTERVAL 450-599 127 524.5 0.004671007

5 INTERVAL 600-749 53 674.5 0.001949318

6 INTERVAL 750-899 53 824.5 0.001949318

7 INTERVAL 900-1049 64 974.5 0.002353893

8 INTERVAL 1050-1199 31 1124.5 0.001140167

9 INTERVAL 1200-1349 27 1274 0.000993049

10 INTERVAL 1350-1499 2407 1424.5 0.088528449

TOTAL JUMLAH

PAKET 27189

Langkah selanjutnya UDP Attack B adalah menghitung estimasi parameter

α,β pada distribusi Gamma dan estimasi parameter µ, σ pada distribusi Lognormal

dan estimasi parameter α, β untuk distribusi Weibull, menggunakan aplikasi

Matlab diperoleh nilai estimasi sebagai berikut:

a. Distribusi Gamma α = 0.623002, β = 296.799









37

Tabel 4.5. Hasil Distribusi Probabilitas UDP Attack B

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.005936 0.0030680969 0.0052006697 0.0032232994

2 0.000029 0.0012211674 0.0008938291 0.0010395958

3 0.000024 0.0006074404 0.0002668443 0.0004721769

4 0.000031 0.0003227469 0.0001051439 0.0002439556

5 0.000013 0.0001770887 0.0000488970 0.0001356687

6 0.000013 0.0000990431 0.0000254168 0.0000792702

7 0.000016 0.0000561007 0.0000143193 0.0000480274

8 0.000008 0.0000320655 0.0000085767 0.0000299293

9 0.000007 0.0000184860 0.0000053995 0.0000191080

10 0.000590 0.0000106743 0.0000035248 0.0000123955





distribusi probabilitas, dengan hal tersebut bisa diketahui bentuk distribusi

probabilitas yang paling mendekati dengan histogram data mentah UDP Attack

B. Hasil plot histogram data mentah dengan distribusi probabilitas ditunjukan

dalam Gambar 4.2.

38

Langkah terakhir adalah menghitung MSE pada setiap distribusi

probabilitas, hal ini dilakukan agar bisa diketahui lebih detail selisih yang paling

mendekati dengan histogram data mentah UDP AttackB. Hasil perhitungan MSE

secara teoritis ditunjukan dalam Tabel 4.6.

Tabel 4.6. MSE UDP Attack B

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000082276 0.0000005414 0.0000073613

2 0.0000014214 0.0000007480 0.0000010214

3 0.0000003404 0.0000000590 0.0000002008

4 0.0000000850 0.0000000055 0.0000000453

5 0.0000000269 0.0000000013 0.0000000150

6 0.0000000074 0.0000000002 0.0000000044

7 0.0000000016 0.0000000000 0.0000000010

8 0.0000000006 0.0000000000 0.0000000005

9 0.0000000001 0.0000000000 0.0000000002

10 0.0000003358 0.0000003442 0.0000003338

Jumlah 0.0000104469 0.0000016995 0.0000089838

0

0.005

0.01

0.015

0.02

0.025

Histogram Data Mentah

Distribusi Gamma

Distribusi Lognormal

Distribusi Weibull

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

Gambar 4.2. Distribusi Probabilitas UDP Attack B

( α = 0.623002, β = 296.799)

( α = 127.056, β = 0.693698)

(μ= 4.23353, σ = 1.02675 )

39




distribusi Weibull.

4.1.3 UDP ATTACK C





bagi dalam bentuk interval kelas. Hasil perhitungan UDP Attack C untuk mencari


Tabel 4.7 Hasil Nilai Tengah dan Frekuensi Relatif UDP ATTACK C

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 33966 74.5 0.881775701

2 INTERVAL 150-299 118 224.5 0.003063344

3 INTERVAL 300-449 152 374.5 0.003946002

4 INTERVAL 450-599 360 524.5 0.009345794

5 INTERVAL 600-749 103 674.5 0.002673936

6 INTERVAL 750-899 144 824.5 0.003738318

7 INTERVAL 900-1049 133 974.5 0.003452752

8 INTERVAL 1050-1199 63 1124.5 0.001635514

9 INTERVAL 1200-1349 38 1274 0.000986501

10 INTERVAL 1350-1499 3443 1424.5 0.089382139

TOTAL JUMLAH

PAKET 38520

Langkah selanjutnya UDP Attack C adalah menghitung estimasi parameter

α, β pada distribusi Gamma dan estimasi parameter µ, σ pada distribusi

40

Lognormal dan estimasi parameter α, β untuk distribusi Weibull, menggunakan

aplikasi Matlab diperoleh nilai estimasi sebagai berikut:

a. Distribusi Gammaα = 0.627052, β = 306.352

b. Distribusi Lognormalµ = 4.27899, σ = 1.04562








Tabel 4.8 Hasil Distribusi Probabilitas UDP Attack C

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.0058785047 0.0030322502 0.0051189272 0.0031979017

2 0.0000204223 0.0012315603 0.0009430046 0.0010602787

3 0.0000263067 0.0006236323 0.0002948403 0.0004911328

4 0.0000623053 0.0003370729 0.0001203456 0.0002579355

5 0.0000178262 0.0001880786 0.0000576045 0.0001455239

6 0.0000249221 0.0001069474 0.0000306878 0.0000861457

7 0.0000230183 0.0000615818 0.0000176645 0.0000528258

8 0.0000109034 0.0000357782 0.0000107851 0.0000332924

9 0.0000065767 0.0000209636 0.0000069081 0.0000214815

10 0.0005958809 0.0000123034 0.0000045820 0.0000140770





41



C. Hasil plot histogram data mentah dengan distribusi probabilitas ditunjukan

dalam Gambar 4.3.

Gambar 4.3. Distribusi Probabilitas UDP Attack C



mendekati dengan histogram data mentah UDP Attack C. Hasil perhitungan MSE


0

0.005

0.01

0.015

0.02

0.025


Distribusi Gamma


Distribusi Weibull

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.627052, β = 306.352)

( α = 133.73, β = 0.696522)

( µ = 4.27899, σ = 1.04562 )

42

Tabel 4.9. MSE UDP Attack C

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000081012 0.0000005770 0.0000071856

2 0.0000014669 0.0000008512 0.0000010813

3 0.0000003568 0.0000000721 0.0000002161

4 0.0000000755 0.0000000034 0.0000000383

5 0.0000000290 0.0000000016 0.0000000163

6 0.0000000067 0.0000000000 0.0000000037

7 0.0000000015 0.0000000000 0.0000000009

8 0.0000000006 0.0000000000 0.0000000005

9 0.0000000002 0.0000000000 0.0000000002

10 0.0000003406 0.0000003496 0.0000003385

Jumlah 0.0000103789 0.0000018549 0.0000088814




distribusi Weibull.

4.1.4 UDP ATTACK D





bagi dalam bentuk interval kelas. Hasil perhitungan UDP Attack D untuk mencari


43

Tabel 4.10. Hasil Nilai Tengah dan Frekuensi Relatif UDP Attack D

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 36263 74.5 0.948225819

2 INTERVAL 150-299 173 224.5 0.004523704

3 INTERVAL 300-449 265 374.5 0.006929373

4 INTERVAL 450-599 295 524.5 0.00771383

5 INTERVAL 600-749 102 674.5 0.002667155

6 INTERVAL 750-899 50 824.5 0.001307429

7 INTERVAL 900-1049 40 974.5 0.001045943

8 INTERVAL 1050-1199 33 1124.5 0.000862903

9 INTERVAL 1200-1349 31 1274 0.000810606

10 INTERVAL 1350-1499 991 1424.5 0.025913239

TOTAL JUMLAH

PAKET 38243

Langkah selanjutnya UDP AttackD adalah menghitung estimasi parameter













44

Tabel 4.11. Hasil Distribusi Probabilitas UDP Attack D

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.006322 0.0048694789 0.0073551066 0.0042247847

2 0.000030 0.0010539088 0.0003380556 0.0009121432

3 0.000046 0.0002221919 0.0000326622 0.0002434947

4 0.000051 0.0000464819 0.0000051225 0.0000712796

5 0.000018 0.0000096871 0.0000010916 0.0000221004

6 0.000009 0.0000020143 0.0000002875 0.0000071399

7 0.000007 0.0000004182 0.0000000885 0.0000023810

8 0.000006 0.0000000867 0.0000000307 0.0000008147

9 0.000005 0.0000000181 0.0000000118 0.0000002858

10 0.000173 0.0000000037 0.0000000049 0.0000001014






probabilitas yang paling mendekati dengan histogram data mentah UDP AttackD.

Hasil plot histogram data mentah dengan distribusi probabilitas ditunjukan dalam

Gambar 4.4.

45

Gambar 4.4. Distribusi Probabilitas UDP Attack D



mendekati dengan histogram data mentah UDP Attack D. Hasil perhitungan MSE


Tabel 4.12. MSE UDP Attack D

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000021084 0.0000010683 0.0000043962

2 0.0000010481 0.0000000948 0.0000007779

3 0.0000000310 0.0000000002 0.0000000389

4 0.0000000000 0.0000000021 0.0000000004

5 0.0000000001 0.0000000003 0.0000000000

6 0.0000000000 0.0000000001 0.0000000000

7 0.0000000000 0.0000000000 0.0000000000

8 0.0000000000 0.0000000000 0.0000000000

9 0.0000000000 0.0000000000 0.0000000000

10 0.0000000298 0.0000000298 0.0000000298

Jumlah 0.0000032175 0.0000011958 0.0000052434

0

0.005

0.01

0.015

0.02

0.025


Distribusi Gamma


Distribusi Weibull

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.04437, β = 94.9713)

( α = 87.773, β = 0.863798)

( µ = 4.04707 , σ = 0.674473)

46




distribusi Weibull.

4.1.5 UDP ATTACK Rata-rata

UDP ATTACK Rata-rata terdiri atas UDP Attack A, UDP Attack B, UDP

Attack C dan UDP Attack D.

Langkah pertama adalah menjumlah semua nilai frekuensi relatif pada

UDP Attack A, UDP Attack B, UDP Attack C dan UDP Attack D, selanjutnya di

bagi dengan jumlah serangan yaitu dibagi empat. Hasil perhitungan UDP Attack

Rata-rata ditunjukan dalam Tabel 4.13.

Tabel 4.13. Hasil Nilai Tengah dan Frekuensi Relatif UDP Rata-rata

Interval

ke INTERVAL KELAS

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 74.5 0.916538094

2 INTERVAL 150-299 224.5 0.003782967

3 INTERVAL 300-449 374.5 0.004450181

4 INTERVAL 450-599 524.5 0.00667511

5 INTERVAL 600-749 674.5 0.002438023

6 INTERVAL 750-899 824.5 0.002381604

7 INTERVAL 900-1049 974.5 0.002102139

8 INTERVAL 1050-1199 1124.5 0.001356697

9 INTERVAL 1200-1349 1274 0.001005249

10 INTERVAL 1350-1499 1424.5 0.059269937

Langkah selanjutnya UDP Attack Rata-rata adalah menghitung estimasi

parameter α, β pada distribusi Gamma dan estimasi parameter µ, σ pada distribusi

47












Tabel 4.14. Hasil Distribusi Probabilitas UDP Rata-rata

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.0061102540 0.0035715710 0.0060523814 0.0036369840

2 0.0000252198 0.0013670622 0.0006964759 0.0010405697

3 0.0000296679 0.0005909189 0.0001475594 0.0004006049

4 0.0000445007 0.0002647789 0.0000439421 0.0001735864

5 0.0000162535 0.0001207422 0.0000161202 0.0000806676

6 0.0000158774 0.0000556370 0.0000068153 0.0000393392

7 0.0000140143 0.0000258152 0.0000031954 0.0000198905

8 0.0000090446 0.0000120372 0.0000016216 0.0000103481

9 0.0000067017 0.0000056478 0.0000008780 0.0000055225

10 0.0003951329 0.0000026441 0.0000004983 0.0000029934





49

Tabel 4.15. MSE UDP Attack Rata-rata

Interval

ke MSEGAMMA

MSELOGNORMAL MSEWEIBULL

1 0.0000064449 0.0000000033 0.0000061171

2 0.0000018005 0.0000004506 0.0000010309

3 0.0000003150 0.0000000139 0.0000001376

4 0.0000000485 0.0000000000 0.0000000167

5 0.0000000109 0.0000000000 0.0000000041

6 0.0000000016 0.0000000001 0.0000000006

7 0.0000000001 0.0000000001 0.0000000000

8 0.0000000000 0.0000000001 0.0000000000

9 0.0000000000 0.0000000000 0.0000000000

10 0.0000001540 0.0000001557 0.0000001538

Jumlah 0.0000087757 0.0000006239 0.0000074608



data mentah UDP Attack adalah distribusi Lognormal µ = 4.1394775, σ =

0.86768475.

4.2 Hasil Pengujian PING Flood Menggunakan HPING




4.2.1 PING FLOOD A

Langkah pertama PING Flood A adalah melakukan proses perhitungan

dengan memakai rumus dan diperoleh hasil berupa nilai tengah dan frekuensi

relatif, nilai tengah ini akan digunakan untuk plot histogram atau grafik dan

proses perhitungan nilai distribusi probabilitas sedangkan frekuensi relatif


50

bagi dalam bentuk interval kelas. Hasil perhitunganPING FloodAdapat dilihat

pada Tabel 4.16.

Tabel 4.16. Hasil Nilai Tengah dan Frekuensi Relatif PING Flood A

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 62399 74.5 0.955427959

2 INTERVAL 150-299 199 224.5 0.003047007

3 INTERVAL 300-449 309 374.5 0.004731282

4 INTERVAL 450-599 531 524.5 0.008130455

5 INTERVAL 600-749 76 674.5 0.001163681

6 INTERVAL 750-899 52 824.5 0.000796203

7 INTERVAL 900-1049 24 974.5 0.000367478

8 INTERVAL 1050-1199 41 1124.5 0.000627775

9 INTERVAL 1200-1349 23 1274 0.000352167

10 INTERVAL 1350-1499 1656 1424.5 0.025355994

TOTAL JUMLAH

PAKET 65310

Langkah selanjutnya PING Flood A adalah menghitung estimasi











51



Tabel 4.17. Hasil Distribusi Probabilitas PING Flood A

Interval

ke

PDF (DATA

MENTAH)

PDF (DISTRIBUSI

GAMMA)

PDF (DISTRIBUSI

LOGNORMAL)

1 0.006436 0.0057890346 0.0075124813

2 0.000016 0.0006128485 0.0000729485

3 0.000029 0.0000535751 0.0000021143

4 0.000054 0.0000044258 0.0000001270

5 0.000009 0.0000003556 0.0000000121

6 0.000007 0.0000000281 0.0000000016

7 0.000005 0.0000000022 0.0000000003

8 0.000005 0.0000000002 0.0000000001

9 0.000004 0.0000000000 0.0000000000

10 0.000100 0.0000000000 0.0000000000






probabilitas yang paling mendekati dengan histogram data mentah PING FloodA.


Gambar 4.6.

52

Gambar 4.6. Distribusi Probabilitas PING Flood A



mendekati dengan histogram data mentah PING Flood A. Hasil perhitungan MSE


Tabel 4.18. MSE PING Flood A

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000004185 0.0000011589 0.0000034240

2 0.0000003561 0.0000000032 0.0000004304

3 0.0000000006 0.0000000007 0.0000000070

4 0.0000000024 0.0000000029 0.0000000011

5 0.0000000001 0.0000000001 0.0000000000

6 0.0000000000 0.0000000000 0.0000000000

7 0.0000000000 0.0000000000 0.0000000000

8 0.0000000000 0.0000000000 0.0000000000

9 0.0000000000 0.0000000000 0.0000000000

10 0.0000000101 0.0000000101 0.0000000101

Jumlah 0.0000007879 0.0000011761 0.0000038727

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.0322, β = 87.0158)

(α = 78.1484, β = 0.853505)

( µ = 3.94064 , σ = 0.636327)

53

Hasil MSE pada Tabel 4.18, MSELognormal paling terkecil terlihat pada



distribusi Weibull.

4.2.2 PING FLOOD B

Langkah pertama PING Flood B adalah melakukan proses perhitungan





bagi dalam bentuk interval kelas. Hasil perhitungan PING Flood B dapat dilihat

pada Tabel 4.19.

Tabel 4.19. Hasil Nilai Tengah dan Frekuensi Relatif PING Flood B

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 57410 74.5 0.965393153

2 INTERVAL 150-299 144 224.5 0.00242147

3 INTERVAL 300-449 262 374.5 0.004405731

4 INTERVAL 450-599 479 524.5 0.008054752

5 INTERVAL 600-749 84 674.5 0.001412524

6 INTERVAL 750-899 62 824.5 0.001042578

7 INTERVAL 900-1049 49 974.5 0.000823973

8 INTERVAL 1050-1199 49 1124.5 0.000823973

9 INTERVAL 1200-1349 33 1274 0.00055492

10 INTERVAL 1350-1499 896 1424.5 0.015066927

TOTAL JUMLAH

PAKET 59468

54

Langkah selanjutnya PING Flood B adalah menghitung estimasi













Tabel 4.20. Hasil Distribusi Probabilitas PING Flood B

Interval

ke

PDF (DATA

MENTAH)

PDF

(GAMMA)

PDF

(LOGNORMAL)

PDF

(WEIBULL)

1 0.006436 0.0057890346 0.0075124813 0.0045855378

2 0.000016 0.0006128485 0.0000729485 0.0006721791

3 0.000029 0.0000535751 0.0000021143 0.0001127963

4 0.000054 0.0000044258 0.0000001270 0.0000201552

5 0.000009 0.0000003556 0.0000000121 0.0000037509

6 0.000007 0.0000000281 0.0000000016 0.0000007192

7 0.000005 0.0000000022 0.0000000003 0.0000001412

8 0.000005 0.0000000002 0.0000000001 0.0000000283

9 0.000004 0.0000000000 0.0000000000 0.0000000058

10 0.000100 0.0000000000 0.0000000000 0.0000000012

55






probabilitas yang paling mendekati dengan histogram data mentah PING FloodB.


Gambar 4.7.

Gambar 4.7 Distribusi Probabilitas PING Flood B



mendekati dengan histogram data mentah PING Flood B. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.32371, β = 57.6329)

(α = 72.0963, β = 0.929062)

( µ = 3.91147, σ = 0.544984)

56

Tabel 4.21. MSE PING Flood B

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000004185 0.0000011589 0.0000034240

2 0.0000003561 0.0000000032 0.0000004304

3 0.0000000006 0.0000000007 0.0000000070

4 0.0000000024 0.0000000029 0.0000000011

5 0.0000000001 0.0000000001 0.0000000000

6 0.0000000000 0.0000000000 0.0000000000

7 0.0000000000 0.0000000000 0.0000000000

8 0.0000000000 0.0000000000 0.0000000000

9 0.0000000000 0.0000000000 0.0000000000

10 0.0000000101 0.0000000101 0.0000000101

Jumlah 0.0000007879 0.0000011761 0.0000038727




distribusi Weibull.

4.2.3 PING FLOOD C

Langkah pertama PING Flood C adalah melakukan proses perhitungan





bagi dalam bentuk interval kelas. Hasil perhitungan PING Flood C dapat dilihat

pada Tabel 4.22.

57

Tabel 4.22. Hasil Nilai Tengah dan Frekuensi Relatif PING Flood C

NO INTERVAL KELAS JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 62287 74.5 0.97018738

2 INTERVAL 150-299 141 224.5 0.002196227

3 INTERVAL 300-449 289 374.5 0.004501488

4 INTERVAL 450-599 481 524.5 0.007492095

5 INTERVAL 600-749 81 674.5 0.001261663

6 INTERVAL 750-899 92 824.5 0.001432999

7 INTERVAL 900-1049 31 974.5 0.000482859

8 INTERVAL 1050-1199 44 1124.5 0.000685348

9 INTERVAL 1200-1349 25 1274 0.000389402

10 INTERVAL 1350-1499 730 1424.5 0.011370539

TOTAL JUMLAH

PAKET 64201

Langkah selanjutnya PING Flood C adalah menghitung estimasi













58

Tabel 4.23. Hasil Distribusi Probabilitas PING Flood C

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.006468 0.0062773958 0.0075151227 0.0047888139

2 0.000015 0.0004186547 0.0000312684 0.0005766185

3 0.000030 0.0000203000 0.0000004563 0.0000734763

4 0.000050 0.0000008958 0.0000000158 0.0000096221

5 0.000008 0.0000000378 0.0000000009 0.0000012830

6 0.000010 0.0000000015 0.0000000001 0.0000001734

7 0.000003 0.0000000001 0.0000000000 0.0000000237

8 0.000005 0.0000000000 0.0000000000 0.0000000033

9 0.000003 0.0000000000 0.0000000000 0.0000000005

10 0.000076 0.0000000000 0.0000000000 0.0000000001






probabilitas yang paling mendekati dengan histogram data mentah PING FloodC.


Gambar 4.8.

59

Gambar 4.8 Distribusi Probabilitas PING Flood C



mendekati dengan histogram data mentah PING Flood C. Hasil perhitungan MSE


Tabel 4.24. MSE PING Flood C

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000000363 0.0000010966 0.0000028194

2 0.0000001632 0.0000000003 0.0000003158

3 0.0000000001 0.0000000009 0.0000000019

4 0.0000000024 0.0000000025 0.0000000016

5 0.0000000001 0.0000000001 0.0000000001

6 0.0000000001 0.0000000001 0.0000000001

7 0.0000000000 0.0000000000 0.0000000000

8 0.0000000000 0.0000000000 0.0000000000

9 0.0000000000 0.0000000000 0.0000000000

10 0.0000000057 0.0000000057 0.0000000057

JUMLAH 0.0000002080 0.0000011062 0.0000031446

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.53903, β = 45.4235)

( α = 68.5648, β = 0.973049)

( µ = 3.88838, σ = 0.49532)

60




distribusi Weibull.

4.2.4 PING FLOOD D

Langkah pertama PING Flood D adalah melakukan proses perhitungan





bagi dalam bentuk interval kelas. Hasil perhitungan PING Flood D dapat dilihat

pada Tabel 4.25.

Tabel 4.25. Hasil Nilai Tengah dan Frekuensi Relatif PING Flood D

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 63618 74.5 0.970763268

2 INTERVAL 150-299 201 224.5 0.00306711

3 INTERVAL 300-449 273 374.5 0.004165777

4 INTERVAL 450-599 451 524.5 0.006881924

5 INTERVAL 600-749 85 674.5 0.001297037

6 INTERVAL 750-899 64 824.5 0.000976592

7 INTERVAL 900-1049 32 974.5 0.000488296

8 INTERVAL 1050-1199 45 1124.5 0.000686666

9 INTERVAL 1200-1349 28 1274 0.000427259

10 INTERVAL 1350-1499 737 1424.5 0.011246071

TOTAL JUMLAH

PAKET 65534

Langkah selanjutnya PING Flood D adalah menghitung estimasi


61












Tabel 4.26 Hasil Distribusi Probabilitas PING Flood D

Interval

ke PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.006472 0.0063295983 0.0075063127 0.0048065455

2 0.000020 0.0003980672 0.0000273087 0.0005653991

3 0.000028 0.0000179200 0.0000003574 0.0000698089

4 0.000046 0.0000007308 0.0000000113 0.0000088237

5 0.000009 0.0000000284 0.0000000006 0.0000011327

6 0.000007 0.0000000011 0.0000000001 0.0000001471

7 0.000003 0.0000000000 0.0000000000 0.0000000193

8 0.000005 0.0000000000 0.0000000000 0.0000000025

9 0.000003 0.0000000000 0.0000000000 0.0000000003

10 0.000075 0.0000000000 0.0000000000 0.0000000000




62



probabilitas yang paling mendekati dengan histogram data mentah PING FloodD.


Gambar 4.9.

Gambar 4.9. Distribusi Probabilitas PING Flood D



mendekati dengan histogram data mentah PING Flood D. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.56536, β = 44.2477)

( α = 68.1449, β = 0.977195)

( µ = 3.88569 ,σ = 0.488572)

63

Tabel 4.27. MSE PING Flood D

Interval

Ke

MSE

(DISTRIBUSI

GAMMA)

MSE

(DISTRIBUSI

LOGNORMAL)

MSE

(DISTRIBUSI

WEIBULL)

1 0.0000000202 0.0000010703 0.0000027729

2 0.0000001426 0.0000000000 0.0000002970

3 0.0000000001 0.0000000008 0.0000000018

4 0.0000000020 0.0000000021 0.0000000014

5 0.0000000001 0.0000000001 0.0000000001

6 0.0000000000 0.0000000000 0.0000000000

7 0.0000000000 0.0000000000 0.0000000000

8 0.0000000000 0.0000000000 0.0000000000

9 0.0000000000 0.0000000000 0.0000000000

10 0.0000000056 0.0000000056 0.0000000056

Jumlah 0.0000001707 0.0000010790 0.0000030788

Hasil MSE pada Tabel 4.27, MSE Gamma paling terkecil terlihat pada


data mentah adalah distribusi Gamma dari pada distribusi Gamma dan distribusi

Weibull.

4.2.5 PING FLOOD RATA-RATA

PING Flood Rata-rata terdiri atas PING Flood A, PING Flood B, PING

Flood C dan PING Flood D.


PING Flood A, PING Flood B, PING Flood C dan PING Flood D, selanjutnya di

bagi dengan jumlah serangan yaitu dibagi empat. Hasil perhitungan PING Flood

Rata-rata frekuensi relatif ditunjukan dalam Tabel 4.28.

64

Tabel 4.28. Hasil Nilai Tengah dan Frekuensi Relatif PING Rata-rata

Interval

ke INTERVAL KELAS

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 74.5 0.965443052

2 INTERVAL 150-299 224.5 0.002682942

3 INTERVAL 300-449 374.5 0.004451054

4 INTERVAL 450-599 524.5 0.00763978

5 INTERVAL 600-749 674.5 0.001283721

6 INTERVAL 750-899 824.5 0.001062089

7 INTERVAL 900-1049 974.5 0.00054065

8 INTERVAL 1050-1199 1124.5 0.000705938

9 INTERVAL 1200-1349 1274 0.000430936

10 INTERVAL 1350-1499 1424.5 0.01575984

Langkah selanjutnya PING Flood Rata-rata adalah menghitung estimasi













65

Tabel 4.29. Hasil Distribusi Probabilitas PING Flood Rata-rata

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.0064362870 0.0037450164 0.0074198466 0.0039664931

2 0.0000178863 0.0017491094 0.0005888958 0.0012638746

3 0.0000296737 0.0007400819 0.0000807284 0.0004651492

4 0.0000509319 0.0003041285 0.0000164802 0.0001819595

5 0.0000085581 0.0001232096 0.0000043506 0.0000739114

6 0.0000070806 0.0000494940 0.0000013741 0.0000308389

7 0.0000036043 0.0000197705 0.0000004956 0.0000131357

8 0.0000047063 0.0000078658 0.0000001981 0.0000056893

9 0.0000028729 0.0000031297 0.0000000862 0.0000025055

10 0.0001050656 0.0000012348 0.0000000399 0.0000011106






probabilitas yang paling mendekati dengan histogram data mentah PING Flood

Rata-rata. Hasil plot histogram data mentah dengan distribusi probabilitas

ditunjukan dalam Gambar 4.10.

66

Gambar 4.10. Distribusi Probabilitas PING Flood Rata-rata



mendekati dengan histogram data mentah PING Flood Rata-rata. Hasil

perhitungan MSE secara teoritis ditunjukan dalam Tabel 4.30.

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.365075, β = 58.579625)

( α = 71.7386, β = 0.93320275)

(µ = 3.906545, σ= 0.54130075)

67

Tabel 4.30. MSE PING Flood Rata-rata

Interval ke MSEGAMMA MSELOGNORMAL MSEWEIBULL

1 0.0000000202 0.0000010703 0.0000027729

2 0.0000001426 0.0000000000 0.0000002970

3 0.0000000001 0.0000000008 0.0000000018

4 0.0000000020 0.0000000021 0.0000000014

5 0.0000000001 0.0000000001 0.0000000001

6 0.0000000000 0.0000000000 0.0000000000

7 0.0000000000 0.0000000000 0.0000000000

8 0.0000000000 0.0000000000 0.0000000000

9 0.0000000000 0.0000000000 0.0000000000

10 0.0000000056 0.0000000056 0.0000000056

Jumlah 0.0000001707 0.0000010790 0.0000030788

Hasil MSE pada Tabel 30, MSE Gamma paling terkecil terlihat pada


data mentah adalah Distribusi Gammadengan nilai parameter α = 1.16704175, β

= 158.63295.

4.3 Hasil Pengujian SYN Attack Menggunakan HPING




4.3.1 SYN ATTACK A





68

bagi dalam bentuk interval kelas. Hasil perhitungan SYN AttackA untuk mencari


Tabel 4.31 Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack A

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 7144 74.5 0.696839641

2 INTERVAL 150-299 280 224.5 0.027311744

3 INTERVAL 300-449 551 374.5 0.053745611

4 INTERVAL 450-599 818 524.5 0.079789309

5 INTERVAL 600-749 149 674.5 0.01453375

6 INTERVAL 750-899 125 824.5 0.012192743

7 INTERVAL 900-1049 71 974.5 0.006925478

8 INTERVAL 1050-1199 70 1124.5 0.006827936

9 INTERVAL 1200-1349 44 1274.5 0.004291845

10 INTERVAL 1350-1499 1000 1424.5 0.097541943

TOTAL JUMLAH

PAKET 10252

Langkah selanjutnya SYN Attack A adalah menghitung estimasi parameter











69



Tabel 4.32. Hasil Distribusi Probabilitas SYN Attack A

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.0046455976 0.0026623136 0.0042342382 0.0028148461

2 0.0001820783 0.0014045659 0.0014787395 0.0013205373

3 0.0003583041 0.0008348778 0.0006373655 0.0007455665

4 0.0005319287 0.0005140675 0.0003240899 0.0004512756

5 0.0000968917 0.0003220263 0.0001835874 0.0002843089

6 0.0000812850 0.0002038004 0.0001121795 0.0001840477

7 0.0000461699 0.0001298575 0.0000725125 0.0001215649

8 0.0000455196 0.0000831437 0.0000489599 0.0000815711

9 0.0000286123 0.0000534274 0.0000342306 0.0000554429

10 0.0006502796 0.0000344287 0.0000246270 0.0000380921

Setelah nilai distribusi probabailitas diperoleh, plot grafik dengan

membandingkan data mentah dengan distribusi probabilitas (Gamma, Lognormal

dan Weibull), dengan hal tersebut bisa diketahui bentuk distribusi yang paling

mendekati dengan paket data mentah serangan SYN Attack A. Hasil plot data

mentah dengan distribusi probabilitas dapat dilihat pada Gambar 4.11.

70

Gambar 4.11 Distribusi Probabilitas SYN Attack A



mendekati dengan histogram data mentah SYN AttackA. Hasil perhitungan MSE


Tabel 4.33. MSE SYN Attack A

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000039334 0.0000001692 0.0000033517

2 0.0000014945 0.0000016813 0.0000012961

3 0.0000002271 0.0000000779 0.0000001500

4 0.0000000003 0.0000000432 0.0000000065

5 0.0000000507 0.0000000075 0.0000000351

6 0.0000000150 0.0000000010 0.0000000106

7 0.0000000070 0.0000000007 0.0000000057

8 0.0000000014 0.0000000000 0.0000000013

9 0.0000000006 0.0000000000 0.0000000007

10 0.0000003793 0.0000003914 0.0000003748

JUMLAH 0.0000061093 0.0000023723 0.0000052324

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.798314, β = 359.719 )

( α = 247.43, β = 0.808293)

(µ = 4.91643, σ = 1.08098 )

71



data mentah untuk serangan PING Flood adalah distribusi Gamma dengan

parameter α = 0.798314, β = 359.719.

4.3.2 SYN ATTACK B





bagi dalam bentuk interval kelas. Hasil perhitungan SYN Attack B untuk mencari


Tabel 4.34 Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack B

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 4988 74.5 0.756904401

2 INTERVAL 150-299 130 224.5 0.019726859

3 INTERVAL 300-449 328 374.5 0.049772382

4 INTERVAL 450-599 492 524.5 0.074658574

5 INTERVAL 600-749 89 674.5 0.013505311

6 INTERVAL 750-899 60 824.5 0.009104704

7 INTERVAL 900-1049 19 974.5 0.002883156

8 INTERVAL 1050-1199 39 1124.5 0.005918058

9 INTERVAL 1200-1349 22 1274.5 0.003338392

10 INTERVAL 1350-1499 423 1424.5 0.064188164

TOTAL JUMLAH

PAKET 6590

Langkah selanjutnya SYN Attack B adalah menghitung estimasi parameter


72












Tabel 4.35. Hasil Distribusi Probabilitas SYN Attack B

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.0050460293 0.0030204786 0.0048297532 0.0031106481

2 0.0001315124 0.0014959120 0.0014568441 0.0013598969

3 0.0003318159 0.0008063687 0.0005495317 0.0007076694

4 0.0004977238 0.0004456994 0.0002502186 0.0003939694

5 0.0000900354 0.0002493790 0.0001290050 0.0002281826

6 0.0000606980 0.0001405510 0.0000725956 0.0001358048

7 0.0000192210 0.0000795980 0.0000436038 0.0000824889

8 0.0000394537 0.0000452337 0.0000275495 0.0000509182

9 0.0000222559 0.0000257715 0.0000181263 0.0000318488

10 0.0004279211 0.0000147125 0.0000123300 0.0000201446




73

mendekati dengan paket data mentah serangan SYN Attack B. Hasil plot data


Gambar 4.12. Distribusi Probabilitas SYN Attack B



mendekati dengan histogram data mentah SYN Attack B. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.856722, β = 275.415)

( α = 207.221, β = 0.831768)

(µ = 4.77701, σ =0.993042)

74

Tabel 4.36. MSE SYN Attack B

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000041029 0.0000000468 0.0000037457

2 0.0000018616 0.0000017565 0.0000015089

3 0.0000002252 0.0000000474 0.0000001413

4 0.0000000027 0.0000000613 0.0000000108

5 0.0000000254 0.0000000015 0.0000000191

6 0.0000000064 0.0000000001 0.0000000056

7 0.0000000036 0.0000000006 0.0000000040

8 0.0000000000 0.0000000001 0.0000000001

9 0.0000000000 0.0000000000 0.0000000001

10 0.0000001707 0.0000001727 0.0000001663

JUMLAH 0.0000063985 0.0000020871 0.0000056019




distribusi Weibull.

4.3.3 SYN ATTACK C





bagi dalam bentuk interval kelas. Hasil perhitungan SYN Attack C untuk mencari


75

Tabel 4.37. Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack C

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 3658 74.5 0.683355128

2 INTERVAL 150-299 140 224.5 0.026153559

3 INTERVAL 300-449 242 374.5 0.045208294

4 INTERVAL 450-599 471 524.5 0.087988044

5 INTERVAL 600-749 76 674.5 0.014197646

6 INTERVAL 750-899 58 824.5 0.010835046

7 INTERVAL 900-1049 45 974.5 0.008406501

8 INTERVAL 1050-1199 43 1124.5 0.008032879

9 INTERVAL 1200-1349 29 1274.5 0.005417523

10 INTERVAL 1350-1499 591 1424.5 0.11040538

TOTAL JUMLAH

PAKET 5353

Langkah selanjutnya SYN AttackC adalah menghitung estimasi parameter













76

Tabel 4.38. Hasil Distribusi Probabilitas SYN Attack C

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.004556 0.0025043157 0.0039704474 0.0026833507

2 0.000174 0.0013331219 0.0014291798 0.0012766555

3 0.000301 0.0008215626 0.0006510268 0.0007423516

4 0.000587 0.0005287066 0.0003482450 0.0004648552

5 0.000095 0.0003475075 0.0002063984 0.0003036195

6 0.000072 0.0002312958 0.0001313499 0.0002040051

7 0.000056 0.0001552354 0.0000880962 0.0001399594

8 0.000054 0.0001048074 0.0000615287 0.0000975922

9 0.000036 0.0000710761 0.0000443844 0.0000689517

10 0.000736 0.0000483677 0.0000328749 0.0000492545


membandingkandata mentah dengan distribusi probabilitas (Gamma, Lognormal


mendekati dengan paket data mentah serangan SYN AttackC. Hasil plot data


Gambar 4.13. Distribusi Probabilitas SYN Attack C

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.752399, β = 419.734)

( α = 266.505, β = 0.785884)

( µ = 4.95984, σ = 1.15019)

77



mendekati dengan histogram data mentah SYN Attack C. Hasil perhitungan MSE


Tabel 4.39. MSE SYN Attack C

Interval ke MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000042082 0.0000003425 0.0000035057

2 0.0000013427 0.0000015746 0.0000012151

3 0.0000002706 0.0000001222 0.0000001944

4 0.0000000034 0.0000000568 0.0000000148

5 0.0000000639 0.0000000125 0.0000000437

6 0.0000000253 0.0000000035 0.0000000174

7 0.0000000098 0.0000000010 0.0000000070

8 0.0000000026 0.0000000001 0.0000000019

9 0.0000000012 0.0000000001 0.0000000011

10 0.0000004729 0.0000004944 0.0000004717

JUMLAH 0.0000064007 0.0000026077 0.0000054728




distribusi Weibull.

4.3.4 SYN ATTACK D





78

bagi dalam bentuk interval kelas. Hasil perhitungan SYN Attack D untuk mencari


Tabel 4.40. Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack D

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 4101 74.5 0.636109819

2 INTERVAL 150-299 152 224.5 0.023576857

3 INTERVAL 300-449 265 374.5 0.04110439

4 INTERVAL 450-599 888 524.5 0.137738483

5 INTERVAL 600-749 67 674.5 0.010392431

6 INTERVAL 750-899 96 824.5 0.014890647

7 INTERVAL 900-1049 31 974.5 0.004808438

8 INTERVAL 1050-1199 65 1124.5 0.010082209

9 INTERVAL 1200-1349 32 1274.5 0.004963549

10 INTERVAL 1350-1499 750 1424.5 0.116333178

TOTAL JUMLAH

PAKET 6447

Langkah selanjutnya SYN Attack D adalah menghitung estimasi parameter




a. Distribusi Gamma α = 0.773227 , β = 444.461







79



Tabel 4.41. Hasil Distribusi Probabilitas SYN Attack D

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.004241 0.0023858862 0.0036979025 0.0025505875

2 0.000157 0.0013256928 0.0014462477 0.0012877391

3 0.000274 0.0008423197 0.0006943487 0.0007767784

4 0.000918 0.0005568428 0.0003863663 0.0005002693

5 0.000069 0.0003753114 0.0002364334 0.0003344115

6 0.000099 0.0002558859 0.0001545934 0.0002292072

7 0.000032 0.0001757987 0.0001061599 0.0001600217

8 0.000067 0.0001214357 0.0000757150 0.0001133369

9 0.000033 0.0000842259 0.0000556599 0.0000812136

10 0.000776 0.0000586028 0.0000419435 0.0000587648




mendekati dengan paket data mentah serangan SYN Attack D. Hasil plot data


80

Gambar 4.14 Distribusi Probabilitas SYN Attack D



mendekati dengan histogram data mentah SYN Attack D. Hasil perhitungan MSE


Tabel 4.42. MSE SYN Attack D

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.0000034405 0.0000002947 0.0000028566

2 0.0000013654 0.0000016617 0.0000012782

3 0.0000003230 0.0000001767 0.0000002528

4 0.0000001306 0.0000002829 0.0000001747

5 0.0000000937 0.0000000279 0.0000000703

6 0.0000000245 0.0000000031 0.0000000169

7 0.0000000207 0.0000000055 0.0000000164

8 0.0000000029 0.0000000001 0.0000000021

9 0.0000000026 0.0000000005 0.0000000023

10 0.0000005140 0.0000005382 0.0000005138

JUMLAH 0.0000059179 0.0000029912 0.0000051840

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.773227, β = 444.461)

( α = 298.099, β = 0.805083)

( µ = 5.06865, σ = 1.17698)

81




distribusi Weibull.

4.3.5 SYN ATTACK RATA-RATA

SYN Attack Gabungan Gabungan terdiri atas SYN Attack A, SYN Attack B,

SYN Attack C dan SYN Attack D.


SYN Attack A, SYN Attack B, SYN Attack C dan SYN Attack D, selanjutnya di bagi

dengan jumlah serangan yaitu dibagi empat. Hasil perhitungan SYN Attack Rata-

rata frekuensi relatif ditunjukan dalam Tabel 4.43.

Tabel 4.43. Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack Rata-rata

Interval

ke INTERVAL KELAS

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 74.5 0.614835519

2 INTERVAL 150-299 224.5 0.023339145

3 INTERVAL 300-449 374.5 0.050714998

4 INTERVAL 450-599 524.5 0.070109525

5 INTERVAL 600-749 674.5 0.023782381

6 INTERVAL 750-899 824.5 0.136174119

7 INTERVAL 900-1049 974.5 0.004553784

8 INTERVAL 1050-1199 1124.5 0.005194718

9 INTERVAL 1200-1349 1274.5 0.00326194

10 INTERVAL 1350-1499 1424.5 0.068033872

Langkah selanjutnya SYN Attack Rata-rata adalah menghitung estimasi




82

a. Distribusi Gammaα = 0.795165 , β = 374.83225









Tabel 4.44 Hasil Distribusi Probabilitas SYN Attack Rata-rata

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.0040989035 0.0026031347 0.0041530447 0.0027726214

2 0.0001555943 0.0013917872 0.0014664652 0.0013169600

3 0.0003381000 0.0008399544 0.0006431832 0.0007519149

4 0.0004673968 0.0005254049 0.0003322318 0.0004599251

5 0.0001585492 0.0003344438 0.0001908426 0.0002926811

6 0.0009078275 0.0002151118 0.0001180779 0.0001913107

7 0.0000303586 0.0001393155 0.0000771933 0.0001275555

8 0.0000346315 0.0000906709 0.0000526626 0.0000863789

9 0.0000217463 0.0000593127 0.0000372140 0.0000593129

10 0.0004535591 0.0000388007 0.0000269822 0.0000410600




mendekati dengan paket data mentah serangan SYN Attack Rata-rata. Hasil plot

data mentah dengan distribusi probabilitas dapat dilihat pada Gambar 4.15.

83

Gambar 4.15 Distribusi Probabilitas SYN Attack Rata-rata



mendekati dengan histogram data mentah SYN Attack Rata-rata. Hasil perhitungan

MSE secara teoritis ditunjukan dalam Tabel 4.45.

Tabel 4.45. MSE SYN Attack Rata-rata

Interval

ke MSEGAMMA MSELOGNORMAL MSEWEIBULL

1 0.0000022373 0.0000000029 0.0000017590

2 0.0000015282 0.0000017184 0.0000013488

3 0.0000002519 0.0000000931 0.0000001712

4 0.0000000034 0.0000000183 0.0000000001

5 0.0000000309 0.0000000010 0.0000000180

6 0.0000004799 0.0000006237 0.0000005134

7 0.0000000119 0.0000000022 0.0000000094

8 0.0000000031 0.0000000003 0.0000000027

9 0.0000000014 0.0000000002 0.0000000014

10 0.0000001720 0.0000001820 0.0000001702

JUMLAH 0.0000047200 0.0000026421 0.0000039942

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.795165, β = 374.83225)

( α = 254.81375, β = 0.807757)

( µ = 4.9304825, σ = 1.100298)

84



data mentah untuk serangan SYN Attack adalah distribusi Lognormal dengan

parameter µ = 4.9304825, σ = 1.100298

Pada Tabel 4.46 akan diperjelas hasil dari perbandingan UDP Attack Rata-

rata, PING Flood Rata-rata dan SYN Attack Rata-rata dengan nilai estimasi

parameter dan nilai MSE pada masing-masing serangan. Untuk lebih jelasnya bisa

dilihat pada Tabel 4.46.

Tabel 4.46 Rekapitulasi Hasil Pengujian HPING

No Jenis

Serangan

Distribusi

Probabilitas Nilai Parameter MSE

1 UDP Attack

a. Gamma

b. Lognormal

c. Weibull

α = 0.79437075,

β = 204.494325

µ = 4.1394775,

σ = 0.86768475

α = 108.7841,

β = 0.7651995

0.0000087757

0.0000006239

0.0000074608

2 PING Flood

a. Gamma

b. Lognormal

c. Weibull

α= 1.16704175,

β = 158.63295

µ = 4.202285,

σ = 0.71340275

α = 129.227125,

β = 0.89017475

0.0000001707

0.0000010790

0.0000030788

85

3 SYN Attack

a. Gamma

b. Lognormal

c. Weibull

α = 0.795165,

β = 374.83225

µ = 4.9304825,

σ = 1.100298

α = 254.81375,

β = 0.807757

0.0000047200

0.0000026421

0.0000039942

Hasil pengujian seperti terlihat dalam Tabel 4.46, UDP Attackmemiliki

karakteristik distribusi statistik mendekati distribusiLognormal dengan hasil nilai

MSE terkecil yaitu nilai MSE = 0.0000006239 dengan nilai parameter µ =

4.1394775, σ = 0.86768475, SYN Attack memiliki karakteristik distribusi statistik

mendekati distribusi Lognormal dengan hasil nilai MSE terkecil yaitu nilai MSE =

0.0000026421 dengan nilai parameter µ = 4.9304825, σ = 1.100298. Sedangkan

PING Flood memiliki karakteristik distribusi statistik mendekati distribusi

Gammadengan nilai MSE terkecil yaitu nilai MSE = 0.0000001707 dengan nilai

parameter α = 1.16704175, β = 158.63295.

4.4 Hasil Pengujian UDP Attack Menggunakan NMAP




4.4.1 UDP ATTACK A

Langkah Selanjutnya adalah untuk mencari hasil berupa nilai tengah dan



86


bagi dalam bentuk interval kelas. Hasil perhitungan UDP Attack A untuk mencari


Tabel 4.47. Hasil Nilai Tengah dan Frekuensi Relatif UDP Attack A.

INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

INTERVAL 0-149 5442 74.5 0.56347069787

INTERVAL 150-299 94 224.5 0.00973286395

INTERVAL 300-449 151 374.5 0.01563470698

INTERVAL 450-599 77 524.5 0.00797266515

INTERVAL 600-749 38 674.5 0.00393456202

INTERVAL 750-899 109 824.5 0.01128598053

INTERVAL 900-1049 43 974.5 0.00445226755

INTERVAL 1050-1199 31 1124.5 0.00320977428

INTERVAL 1200-1349 44 1274.5 0.00455580866

INTERVAL 1350-1499 3629 1424.5 0.37575067302

TOTAL JUMLAH

PAKET 9658

Langkah selanjutnya UDP Attack A adalah menghitung estimasi parameter

α, βpada distribusi Gamma dan estimasi parameter �, � pada distribusi Lognormal

dan estimasi parameter �, �untuk distribusi Weibull, menggunakan aplikasi

Matlabdiperoleh nilai estimasi parameter sebagai berikut:

a. Distribusi Gamma� = 0.650974, �= 957.015







87



Tabel 4.48. Hasil Distribusi Probabilitas UDP Attack A

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00375647132 0.00170393682 0.00262466867 0.00186160816

2 0.00006488576 0.00099124018 0.00119861037 0.00103653720

3 0.00010423138 0.00070883111 0.00069004868 0.00070867147

4 0.00005315110 0.00053878104 0.00044946651 0.00051985592

5 0.00002623041 0.00042190607 0.00031550772 0.00039620162

6 0.00007523987 0.00033628500 0.00023297675 0.00030953748

7 0.00002968178 0.00027120714 0.00017848214 0.00024615559

8 0.00002139850 0.00022056132 0.00014062883 0.00019841172

9 0.00003037206 0.00018050075 0.00011329359 0.00016165275

10 0.00250500449 0.00014843728 0.00009293629 0.00013286779







A. Hasil plot histogram data mentah dengan distribusi probabilitas ditunjukan

dalam Gambar 4.16.

89

Tabel 4.49 MSE UDP Attack A

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000421290 0.0000012810 0.0000035905

2 0.00000085813 0.0000012853 0.0000009441

3 0.00000036554 0.0000003432 0.0000003653

4 0.00000023584 0.0000001571 0.0000002178

5 0.00000015656 0.0000000837 0.0000001369

6 0.00000006814 0.0000000249 0.0000000549

7 0.00000005833 0.0000000221 0.0000000469

8 0.00000003967 0.0000000142 0.0000000313

9 0.00000002254 0.0000000069 0.0000000172

10 0.00000555341 0.0000058181 0.0000056270

Jumlah 0.00001157106 0.0000090364 0.0000110320




distribusi Weibull.

4.4.2 UDP ATTACK B





90

bagi dalam bentuk interval kelas. Hasil perhitungan UDP Attack B untuk mencari


Tabel 4.50 Hasil Nilai Tengah dan Frekuensi Relatif UDP Attack B

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 3109 74.5 0.68935698448

2 INTERVAL 150-299 62 224.5 0.01374722838

3 INTERVAL 300-449 100 374.5 0.02217294900

4 INTERVAL 450-599 110 524.5 0.02439024390

5 INTERVAL 600-749 52 674.5 0.01152993348

6 INTERVAL 750-899 30 824.5 0.00665188470

7 INTERVAL 900-1049 32 974.5 0.00709534368

8 INTERVAL 1050-1199 30 1124.5 0.00665188470

9 INTERVAL 1200-1349 13 1274.5 0.00288248337

10 INTERVAL 1350-1499 972 1424.5 0.21552106430

TOTAL JUMLAH

PAKET 4510

Langkah selanjutnya UDP Attack B adalah menghitung estimasi parameter

α,β pada distribusi Gamma dan estimasi parameter µ, σ pada distribusi Lognormal

dan estimasi parameter α,β untuk distribusi Weibull, menggunakan aplikasi

Matlab diperoleh nilai estimasi sebagai berikut:



91








Tabel 4.51. Hasil Distribusi Probabilitas UDP Attack B

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00459571323 0.00213344604 0.00345020181 0.00237637585

2 0.00009164819 0.00112550418 0.00128210197 0.00112660282

3 0.00014781966 0.00074090374 0.00064217370 0.00068978280

4 0.00016260163 0.00052072368 0.00037593302 0.00046215728

5 0.00007686622 0.00037785592 0.00024177666 0.00032540132

6 0.00004434590 0.00027944209 0.00016568787 0.00023668141

7 0.00004730229 0.00020928103 0.00011889730 0.00017622881

8 0.00004434590 0.00015814903 0.00008837036 0.00013358907

9 0.00001921656 0.00012031570 0.00006753060 0.00010272462

10 0.00143680710 0.00009201231 0.00005278318 0.00007992602




92




B. Hasil plot histogram data mentah dengan distribusi probabilitas ditunjukan

dalam Gambar 4.17.



mendekati dengan histogram data mentah UDP AttackB. Hasil perhitungan MSE


Gambar 1.17. Distribusi Probabilitas UDP Attack B

0

0.005

0.01

0.015

0.02

0.025


Distribusi Gamma


Distribusi Weibull

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.625623, β = 662.132)

( α = 318.158, β = 0.707064)

(μ= 5.04487, σ = 1.334)

93

Tabel 4.52. MSE UDP Attack B

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000606276 0.0000013122 0.0000049255

2 0.00000106886 0.0000014172 0.0000010711

3 0.00000035175 0.0000002444 0.0000002937

4 0.00000012825 0.0000000455 0.0000000897

5 0.00000009059 0.0000000272 0.0000000618

6 0.00000005527 0.0000000147 0.0000000370

7 0.00000002624 0.0000000051 0.0000000166

8 0.00000001295 0.0000000019 0.0000000080

9 0.00000001022 0.0000000023 0.0000000070

10 0.00000180847 0.0000019155 0.0000018411

Jumlah 0.00000961537 0.0000049861 0.0000083515




distribusi Weibull.

4.4.3 UDP ATTACK C





94

bagi dalam bentuk interval kelas. Hasil perhitungan UDP Attack C untuk mencari


Tabel 4.53 Hasil Nilai Tengah dan Frekuensi Relatif UDP ATTACK C

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 3049 74.5 0.68516853933

2 INTERVAL 150-299 62 224.5 0.01393258427

3 INTERVAL 300-449 100 374.5 0.02247191011

4 INTERVAL 450-599 110 524.5 0.02471910112

5 INTERVAL 600-749 52 674.5 0.01168539326

6 INTERVAL 750-899 30 824.5 0.00674157303

7 INTERVAL 900-1049 32 974.5 0.00719101124

8 INTERVAL 1050-1199 30 1124.5 0.00674157303

9 INTERVAL 1200-1349 13 1274.5 0.00292134831

10 INTERVAL 1350-1499 972 1424.5 0.21842696629

TOTAL JUMLAH

PAKET 4450

Langkah selanjutnya UDP Attack C adalah menghitung estimasi parameter




a. Distribusi Gammaα = 0.626076, β = 669.165



95







Tabel 4.54. Hasil Distribusi Probabilitas UDP Attack C

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00456779026 0.00212118150 0.00342486877 0.00236258741

2 0.00009288390 0.00112226221 0.00128123259 0.00112517556

3 0.00014981273 0.00074070235 0.00064474403 0.00069116140

4 0.00016479401 0.00052190274 0.00037880604 0.00046435106

5 0.00007790262 0.00037965752 0.00024435224 0.00032774074

6 0.00004494382 0.00028146937 0.00016788112 0.00023891154

7 0.00004794007 0.00021131782 0.00012074165 0.00017825546

8 0.00004494382 0.00016007923 0.00008992131 0.00013538662

9 0.00001947566 0.00012208138 0.00006884081 0.00010429760

10 0.00145617978 0.00009358991 0.00005389693 0.00008129169






96


C. Hasil plot histogram data mentah dengan distribusi probabilitas ditunjukan

dalam Gambar 4.18.

Gambar 4.18. Distribusi Probabilitas UDP Attack C



mendekati dengan histogram data mentah UDP Attack C. Hasil perhitungan MSE


0

0.005

0.01

0.015

0.02

0.025


Distribusi Gamma


Distribusi Weibull

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.626076, β = 669.165)

( α = 322.464, β = 0.707698)

( µ = 5.05698, σ = 1.33853)

97

Tabel 4.55. MSE UDP Attack C

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000598589 0.0000013063 0.0000048629

2 0.00000105962 0.0000014122 0.0000010656

3 0.00000034915 0.0000002450 0.0000002931

4 0.00000012753 0.0000000458 0.0000000897

5 0.00000009106 0.0000000277 0.0000000624

6 0.00000005594 0.0000000151 0.0000000376

7 0.00000002669 0.0000000053 0.0000000170

8 0.00000001326 0.0000000020 0.0000000082

9 0.00000001053 0.0000000024 0.0000000072

10 0.00000185665 0.0000019664 0.0000018903

Jumlah 0.00000957632 0.0000050282 0.0000083341




distribusi Weibull.

4.4.4 UDP ATTACK D





98

bagi dalam bentuk interval kelas. Hasil perhitungan UDP Attack D untuk mencari


Tabel 4.56 Hasil Nilai Tengah dan Frekuensi Relatif UDP Attack D

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 5442 74.5 0.56347069787

2 INTERVAL 150-299 94 224.5 0.00973286395

3 INTERVAL 300-449 151 374.5 0.01563470698

4 INTERVAL 450-599 77 524.5 0.00797266515

5 INTERVAL 600-749 38 674.5 0.00393456202

6 INTERVAL 750-899 109 824.5 0.01128598053

7 INTERVAL 900-1049 43 974.5 0.00445226755

8 INTERVAL 1050-1199 31 1124.5 0.00320977428

9 INTERVAL 1200-1349 44 1274.5 0.00455580866

10 INTERVAL 1350-1499 3629 1424.5 0.37575067302

TOTAL JUMLAH

PAKET 9658

Langkah selanjutnya UDP Attack D adalah menghitung estimasi parameter







99







Tabel 4.57 Hasil Distribusi Probabilitas UDP Attack D

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00375647132 0.00170393682 0.00262466867 0.00186160816

2 0.00006488576 0.00099124018 0.00119861037 0.00103653720

3 0.00010423138 0.00070883111 0.00069004868 0.00070867147

4 0.00005315110 0.00053878104 0.00044946651 0.00051985592

5 0.00002623041 0.00042190607 0.00031550772 0.00039620162

6 0.00007523987 0.00033628500 0.00023297675 0.00030953748

7 0.00002968178 0.00027120714 0.00017848214 0.00024615559

8 0.00002139850 0.00022056132 0.00014062883 0.00019841172

9 0.00003037206 0.00018050075 0.00011329359 0.00016165275

10 0.00250500449 0.00014843728 0.00009293629 0.00013286779





101

Tabel 4.58. MSE UDP Attack D

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000421290 0.0000012810 0.0000035905

2 0.00000085813 0.0000012853 0.0000009441

3 0.00000036554 0.0000003432 0.0000003653

4 0.00000023584 0.0000001571 0.0000002178

5 0.00000015656 0.0000000837 0.0000001369

6 0.00000006814 0.0000000249 0.0000000549

7 0.00000005833 0.0000000221 0.0000000469

8 0.00000003967 0.0000000142 0.0000000313

9 0.00000002254 0.0000000069 0.0000000172

10 0.00000555341 0.0000058181 0.0000056270

Jumlah 0.00001157106 0.0000090364 0.0000110320




distribusi Weibull.

4.4.5 UDP ATTACK Rata-rata

UDP ATTACK Rata-rata terdiri atas UDP Attack A, UDP Attack B, UDP

Attack C dan UDP Attack D.


UDP AttackA, UDP Attack B, UDP Attack C dan UDP Attack D, selanjutnya di

102

bagi dengan jumlah serangan yaitu dibagi empat. Hasil perhitungan UDP Attack

Rata-rata ditunjukan dalam Tabel 4.59.

Tabel 4.59. Hasil Nilai Tengah dan Frekuensi Relatif UDP Rata-rata

Interval

ke INTERVAL KELAS

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 74.5 0.62536673

2 INTERVAL 150-299 224.5 0.011786385

3 INTERVAL 300-449 374.5 0.018978568

4 INTERVAL 450-599 524.5 0.016263669

5 INTERVAL 600-749 674.5 0.007771113

6 INTERVAL 750-899 824.5 0.008991355

7 INTERVAL 900-1049 974.5 0.005797723

8 INTERVAL 1050-1199 1124.5 0.004953252

9 INTERVAL 1200-1349 1274 0.003728862

10 INTERVAL 1350-1499 1424.5 0.296362344

Langkah selanjutnya UDP Attack Rata-rata adalah menghitung estimasi







103







Tabel 4.60. Hasil Distribusi Probabilitas UDP Rata-rata

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL DISTRIBUSI

WEIBULL

1 0.0041691115 0.0018946497 0.0030098204 0.0036369840

2 0.0000785759 0.0010568505 0.0012556254 0.0010405697

3 0.0001265238 0.0007300673 0.0006795960 0.0004006049

4 0.0001084245 0.0005372445 0.0004221324 0.0001735864

5 0.0000518074 0.0004077373 0.0002849881 0.0000806676

6 0.0000599424 0.0003151766 0.0002035475 0.0000393392

7 0.0000386515 0.0002466113 0.0001514501 0.0000198905

8 0.0000330217 0.0001946423 0.0001162593 0.0000103481

9 0.0000248591 0.0001546255 0.0000914762 0.0000055225

10 0.0019757490 0.0001234569 0.0000734354 0.0000029934






105

Tabel 4.61. MSE UDP Attack Rata-rata

Interval

ke

MSE

GAMMA

MSE

LOGNORMAL

MSE

WEIBULL

1 0.0000051732 0.0000013440 0.0000043293

2 0.0000009570 0.0000013854 0.0000010150

3 0.0000003643 0.0000003059 0.0000003394

4 0.0000001839 0.0000000984 0.0000001542

5 0.0000001267 0.0000000544 0.0000001010

6 0.0000000651 0.0000000206 0.0000000486

7 0.0000000432 0.0000000127 0.0000000319

8 0.0000000261 0.0000000069 0.0000000190

9 0.0000000168 0.0000000044 0.0000000123

10 0.0000034310 0.0000036188 0.0000034840

Jumlah 0.0000103874 0.0000068516 0.0000095347



data mentah UDP Attack adalah distribusi Lognormal µ = 5.2737475, σ =

1.4082625.

4.5 Hasil Pengujian PING Flood Menggunakan NMAP




106

4.5.1 PING FLOOD A

Langkah selanjutnya PING Flood A adalah melakukan proses perhitungan





bagi dalam bentuk interval kelas. Hasil perhitungan PING Flood A dapat dilihat

pada Tabel 4.62.

Tabel 4.62. Hasil Nilai Tengah dan Frekuensi Relatif PING Flood A

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 57966 74.5 0.96558502132

2 INTERVAL 150-299 144 224.5 0.00239872068

3 INTERVAL 300-449 262 374.5 0.00436433902

4 INTERVAL 450-599 481 524.5 0.00801239339

5 INTERVAL 600-749 85 674.5 0.00141591151

6 INTERVAL 750-899 62 824.5 0.00103278252

7 INTERVAL 900-1049 50 974.5 0.00083288913

8 INTERVAL 1050-1199 51 1124.5 0.00084954691

9 INTERVAL 1200-1349 34 1274.5 0.00056636461

10 INTERVAL 1350-1499 897 1424.5 0.01494203092

TOTAL JUMLAH

PAKET 60032

107

Langkah selanjutnya PING Flood A adalah menghitung estimasi













108

Tabel 4.63. Hasil Distribusi Probabilitas PING Flood A

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

1 0.00643723348 0.00580248978 0.00751585894

2 0.00001599147 0.00060751296 0.00007140480

3 0.00002909559 0.00005235898 0.00000203296

4 0.00005341596 0.00000426029 0.00000012038

5 0.00000943941 0.00000033705 0.00000001135

6 0.00000688522 0.00000002622 0.00000000148

7 0.00000555259 0.00000000202 0.00000000024

8 0.00000566365 0.00000000015 0.00000000005

9 0.00000377576 0.00000000001 0.00000000001

10 0.00009961354 0.00000000000 0.00000000000







A. Hasil plot histogram data mentah dengan distribusi probabilitas ditunjukan

dalam Gambar 4.21

109

Gambar 4.21. Distribusi Probabilitas PING Flood A



mendekati dengan histogram data mentah PING Flood A. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.32904, β = 57.2601)

(α = 71.9951, β = 0.930219)

( µ = 3.91086, σ = 0.543481)

110

Tabel 4.64. MSE PING Flood A




distribusi Weibull.

4.5.2 PING FLOOD B

Langkah pertama PING Flood B adalah melakukan proses perhitungan




Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000040290 0.0000011634 0.0000034084

2 0.00000034990 0.0000000031 0.0000004274

3 0.00000000054 0.0000000007 0.0000000068

4 0.00000000242 0.0000000028 0.0000000011

5 0.00000000008 0.0000000001 0.0000000000

6 0.00000000005 0.0000000000 0.0000000000

7 0.00000000003 0.0000000000 0.0000000000

8 0.00000000003 0.0000000000 0.0000000000

9 0.00000000001 0.0000000000 0.0000000000

10 0.00000000992 0.0000000099 0.0000000099

Jumlah 0.00000076588 0.0000011802 0.0000038537

111


bagi dalam bentuk interval kelas. Hasil perhitungan PING Flood B dapat dilihat

pada Tabel 4.65.

Tabel 4.65. Hasil Nilai Tengah dan Frekuensi Relatif PING Flood B

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 62946 74.5 0.96999676390

2 INTERVAL 150-299 151 224.5 0.00232690737

3 INTERVAL 300-449 292 374.5 0.00449971492

4 INTERVAL 450-599 489 524.5 0.00753548148

5 INTERVAL 600-749 85 674.5 0.00130984852

6 INTERVAL 750-899 92 824.5 0.00141771840

7 INTERVAL 900-1049 35 974.5 0.00053934939

8 INTERVAL 1050-1199 18 1124.5 0.00027737969

9 INTERVAL 1200-1349 26 1274.5 0.00040065955

10 INTERVAL 1350-1499 759 1424.5 0.01169617678

TOTAL JUMLAH

PAKET 64893

Langkah selanjutnya PING Flood B adalah menghitung estimasi





112









Tabel 4.66. Hasil Distribusi Probabilitas PING Flood B

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00646664509 0.00622293081 0.00752209207 0.00476660841

2 0.00001551272 0.00043969708 0.00003488172 0.00058765981

3 0.00002999810 0.00002294562 0.00000055583 0.00007741830

4 0.00005023654 0.00000109479 0.00000002062 0.00001052919

5 0.00000873232 0.00000005000 0.00000000131 0.00000146241

6 0.00000945146 0.00000000222 0.00000000012 0.00000020632

7 0.00000359566 0.00000000010 0.00000000001 0.00000002947

8 0.00000184920 0.00000000000 0.00000000000 0.00000000425

9 0.00000267106 0.00000000000 0.00000000000 0.00000000062

10 0.00007797451 0.00000000000 0.00000000000 0.00000000009



113




probabilitas yang paling mendekati dengan histogram data mentah PING FloodB.


Gambar 4.22.

Gambar 4.22. Distribusi Probabilitas PING Flood B



mendekati dengan histogram data mentah PING Flood B. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.51246, β = 46.6535)

(α = 68.941, β = 0.968089)

( µ = 3.89082, σ = 0.50094)

114

Tabel 4.67. MSE PING Flood B

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000005940 0.0000011140 0.0000028901

2 0.00000017993 0.0000000004 0.0000003274

3 0.00000000005 0.0000000009 0.0000000022

4 0.00000000241 0.0000000025 0.0000000016

5 0.00000000008 0.0000000001 0.0000000001

6 0.00000000009 0.0000000001 0.0000000001

7 0.00000000001 0.0000000000 0.0000000000

8 0.00000000000 0.0000000000 0.0000000000

9 0.00000000001 0.0000000000 0.0000000000

10 0.00000000608 0.0000000061 0.0000000061

Jumlah 0.00000024806 0.0000011240 0.0000032275

Hasil MSE pada Tabel 4.67, MSELognormal paling terkecil terlihat pada



distribusi Weibull.

4.5.3 PING FLOOD C

Langkah pertama PING Flood C adalah melakukan proses perhitungan




115


bagi dalam bentuk interval kelas. Hasil perhitungan PING Flood C dapat dilihat

pada Tabel 4.68.

Tabel 4.68. Hasil Nilai Tengah dan Frekuensi Relatif PING Flood C

NO INTERVAL KELAS JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 62287 74.5 0.97018738

2 INTERVAL 150-299 141 224.5 0.002196227

3 INTERVAL 300-449 289 374.5 0.004501488

4 INTERVAL 450-599 481 524.5 0.007492095

5 INTERVAL 600-749 81 674.5 0.001261663

6 INTERVAL 750-899 92 824.5 0.001432999

7 INTERVAL 900-1049 31 974.5 0.000482859

8 INTERVAL 1050-1199 44 1124.5 0.000685348

9 INTERVAL 1200-1349 25 1274 0.000389402

10 INTERVAL 1350-1499 730 1424.5 0.011370539

TOTAL JUMLAH

PAKET 64201

Langkah selanjutnya PING Flood C adalah menghitung estimasi










116




Tabel 4.69. Hasil Distribusi Probabilitas PING Flood C

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00647406046 0.00637288009 0.00750320542 0.00482514665

2 0.00002042484 0.00038273534 0.00002523720 0.00055735467

3 0.00002767565 0.00001624072 0.00000030971 0.00006700824

4 0.00004575163 0.00000062188 0.00000000930 0.00000821419

5 0.00000868056 0.00000002265 0.00000000050 0.00000102001

6 0.00000653595 0.00000000080 0.00000000004 0.00000012789

7 0.00000316585 0.00000000003 0.00000000000 0.00000001616

8 0.00000459559 0.00000000000 0.00000000000 0.00000000205

9 0.00000275735 0.00000000000 0.00000000000 0.00000000026

10 0.00007301879 0.00000000000 0.00000000000 0.00000000003






probabilitas yang paling mendekati dengan histogram data mentah PING FloodC.


Gambar 4.23.

117

Gambar 4.23. Distribusi Probabilitas PING Flood C

d. Distribusi Gamma α = 1.58739, β = 43.3476

e. Distribusi Lognormalµ = 3.88442, σ = 0.484694

f. Distribusi Weibull α = 67.9069, β = 0.981324



mendekati dengan histogram data mentah PING Flood C. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.58739, β = 43.3476)

( α = 67.9069, β = 0.981324)

( µ = 3.88442, σ = 0.484694)

118

Tabel 4.70. MSE PING Flood C

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000001024 0.0000010591 0.0000027189

2 0.00000013127 0.0000000000 0.0000002883

3 0.00000000013 0.0000000007 0.0000000015

4 0.00000000204 0.0000000021 0.0000000014

5 0.00000000007 0.0000000001 0.0000000001

6 0.00000000004 0.0000000000 0.0000000000

7 0.00000000001 0.0000000000 0.0000000000

8 0.00000000002 0.0000000000 0.0000000000

9 0.00000000001 0.0000000000 0.0000000000

10 0.00000000533 0.0000000053 0.0000000053

JUMLAH 0.00000014916 0.0000010675 0.0000030156




distribusi Weibull.

4.5.4 PING FLOOD D

Langkah pertama PING Flood D adalah melakukan proses perhitungan





119

bagi dalam bentuk interval kelas. Hasil perhitungan PING Flood D dapat dilihat

pada Tabel 4.71.

Tabel 4.71 Hasil Nilai Tengah dan Frekuensi Relatif PING Flood D

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 59405 74.5 0.94103949182

2 INTERVAL 150-299 182 224.5 0.00288307697

3 INTERVAL 300-449 140 374.5 0.00221775152

4 INTERVAL 450-599 287 524.5 0.00454639061

5 INTERVAL 600-749 25 674.5 0.00039602706

6 INTERVAL 750-899 47 824.5 0.00074453087

7 INTERVAL 900-1049 18 974.5 0.00028513948

8 INTERVAL 1050-1199 24 1124.5 0.00038018597

9 INTERVAL 1200-1349 15 1274.5 0.00023761623

10 INTERVAL 1350-1499 2984 1424.5 0.04726978947

TOTAL JUMLAH

PAKET 63127

Langkah selanjutnya PING Flood D adalah menghitung estimasi







120







Tabel 4.72 Hasil Distribusi Probabilitas PING Flood D

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00627359661 0.00622294026 0.00752164423 0.00476648023

2 0.00001922051 0.00043959230 0.00003482944 0.00058757508

3 0.00001478501 0.00002293438 0.00000055437 0.00007740142

4 0.00003030927 0.00000109397 0.00000002054 0.00001052633

5 0.00000264018 0.00000004995 0.00000000131 0.00000146196

6 0.00000496354 0.00000000222 0.00000000012 0.00000020625

7 0.00000190093 0.00000000010 0.00000000001 0.00000002946

8 0.00000253457 0.00000000000 0.00000000000 0.00000000425

9 0.00000158411 0.00000000000 0.00000000000 0.00000000062

10 0.00031513193 0.00000000000 0.00000000000 0.00000000009





121


probabilitas yang paling mendekati dengan histogram data mentah PING FloodD.


Gambar 4.24.

Gambar 4.24. Distribusi Probabilitas PING Flood D



mendekati dengan histogram data mentah PING FloodD. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.51248, β = 46.6497)

( α = 68.9352, β = 0.968069)

( µ = 3.89076,σ = 0.500871)

122

Tabel 4.73. MSE PING Flood D

Interval

Ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000000257 0.0000015576 0.0000022714

2 0.00000017671 0.0000000002 0.0000003230

3 0.00000000007 0.0000000002 0.0000000039

4 0.00000000085 0.0000000009 0.0000000004

5 0.00000000001 0.0000000000 0.0000000000

6 0.00000000002 0.0000000000 0.0000000000

7 0.00000000000 0.0000000000 0.0000000000

8 0.00000000001 0.0000000000 0.0000000000

9 0.00000000000 0.0000000000 0.0000000000

10 0.00000009931 0.0000000993 0.0000000993

Jumlah 0.00000027955 0.0000016583 0.0000026981



data mentah adalah distribusi Gamma dari pada distribusi Gamma dan distribusi

Weibull.

4.5.5 PING FLOOD RATA-RATA

PING Flood Rata-rata terdiri atas PING Flood A, PING Flood B, PING

Flood C dan PING Flood D.


PING Flood A, PING Flood B, PING Flood C dan PING Flood D, selanjutnya di

123

bagi dengan jumlah serangan yaitu dibagi empat. Hasil perhitungan PING Flood

Rata-rata frekuensi relatif ditunjukan dalam Tabel 4.74.

Tabel 4.74. Hasil Nilai Tengah dan Frekuensi Relatif PING Rata-rata

Interval

ke INTERVAL KELAS

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 74.5 0.961932586

2 INTERVAL 150-299 224.5 0.002668108

3 INTERVAL 300-449 374.5 0.003808288

4 INTERVAL 450-599 524.5 0.006739253

5 INTERVAL 600-749 674.5 0.001105968

6 INTERVAL 750-899 824.5 0.001043856

7 INTERVAL 900-1049 974.5 0.000533064

8 INTERVAL 1050-1199 1124.5 0.000549113

9 INTERVAL 1200-1349 1274 0.000404561

10 INTERVAL 1350-1499 1424.5 0.021215204

Langkah selanjutnya PING Flood Rata-rata adalah menghitung estimasi







124







Tabel 4.75. Hasil Distribusi Probabilitas PING Flood Rata-rata

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.0064128839 0.0061695624 0.0075336272 0.0047388795

2 0.0000177874 0.0004774925 0.0000395541 0.0006018087

3 0.0000253886 0.0000277352 0.0000006965 0.0000826273

4 0.0000449284 0.0000014799 0.0000000280 0.0000117755

5 0.0000073731 0.0000000758 0.0000000019 0.0000017198

6 0.0000069590 0.0000000038 0.0000000002 0.0000002558

7 0.0000035538 0.0000000002 0.0000000000 0.0000000386

8 0.0000036608 0.0000000000 0.0000000000 0.0000000059

9 0.0000026971 0.0000000000 0.0000000000 0.0000000009

10 0.0001414347 0.0000000000 0.0000000000 0.0000000001






125


Rata-rata. Hasil plot histogram data mentah dengan distribusi probabilitas

ditunjukan dalam Gambar 4.25.

Gambar 4.25. Distribusi Probabilitas PING Flood Rata-rata



mendekati dengan histogram data mentah PING Flood Rata-rata. Hasil

perhitungan MSE secara teoritis ditunjukan dalam Tabel 4.76.

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 1.4853425, β = 48.477725)

( α = 69.44455, β = 0.96192525)

(µ = 3.894215, σ= 0.5074965)

126

Tabel 4.76. MSE PING Flood Rata-rata

Interval ke

MSE

GAMMA

MSE

LOGNORMAL

MSE

WEIBULL

1 0.0000000592 0.0000012561 0.0000028023

2 0.0000002113 0.0000000005 0.0000003411

3 0.0000000000 0.0000000006 0.0000000033

4 0.0000000019 0.0000000020 0.0000000011

5 0.0000000001 0.0000000001 0.0000000000

6 0.0000000000 0.0000000000 0.0000000000

7 0.0000000000 0.0000000000 0.0000000000

8 0.0000000000 0.0000000000 0.0000000000

9 0.0000000000 0.0000000000 0.0000000000

10 0.0000000200 0.0000000200 0.0000000200

Jumlah 0.0000002926 0.0000012793 0.0000031679



data mentah adalah Distribusi Gamma dengan nilai parameter α = 1.4853425, β

= 48.477725.

4.6 Hasil Pengujian SYN Attack Menggunakan NMAP




127

4.6.1 SYN ATTACK A





bagi dalam bentuk interval kelas. Hasil perhitungan SYN AttackA untuk mencari


Tabel 4.77. Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack A

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 16505 74.5 0.89419222018

2 INTERVAL 150-299 60 224.5 0.00325062304

3 INTERVAL 300-449 159 374.5 0.00861415105

4 INTERVAL 450-599 125 524.5 0.00677213133

5 INTERVAL 600-749 50 674.5 0.00270885253

6 INTERVAL 750-899 43 824.5 0.00232961318

7 INTERVAL 900-1049 78 974.5 0.00422580995

8 INTERVAL 1050-1199 38 1124.5 0.00205872792

9 INTERVAL 1200-1349 35 1274.5 0.00189619677

10 INTERVAL 1350-1499 1365 1424.5 0.07395167407

TOTAL JUMLAH

PAKET 18458

Langkah selanjutnya SYN Attack A adalah menghitung estimasi parameter


128












129

Tabel 4.78. Hasil Distribusi Probabilitas SYN Attack A

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00596128147 0.00332473368 0.00584577242 0.00339028614

2 0.00002167082 0.00135872074 0.00105525284 0.00116196722

3 0.00005742767 0.00064389720 0.00028998299 0.00052316107

4 0.00004514754 0.00031880117 0.00010431299 0.00026181310

5 0.00001805902 0.00016125122 0.00004447142 0.00013935350

6 0.00001553075 0.00008260421 0.00002131741 0.00007735998

7 0.00002817207 0.00004267385 0.00001113865 0.00004431053

8 0.00001372485 0.00002217835 0.00000621946 0.00002601209

9 0.00001264131 0.00001157842 0.00000366119 0.00001557950

10 0.00049301116 0.00000606577 0.00000225033 0.00000948933




mendekati dengan paket data mentah serangan SYN Attack A. Hasil plot data


130

Gambar 4.26. Distribusi Probabilitas SYN Attack A



mendekati dengan histogram data mentah SYN Attack A. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α 0.749584, β = 242.476)

( α = 141.5, β = 0.760066)

(µ = 4.40399, σ = 0.911257)

131

Tabel 4.79. MSE SYN Attack A

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000695138 0.0000000133 0.0000066100

2 0.00000178770 0.0000010683 0.0000013003

3 0.00000034395 0.0000000541 0.0000002169

4 0.00000007489 0.0000000035 0.0000000469

5 0.00000002050 0.0000000007 0.0000000147

6 0.00000000450 0.0000000000 0.0000000038

7 0.00000000021 0.0000000003 0.0000000003

8 0.00000000007 0.0000000001 0.0000000002

9 0.00000000000 0.0000000001 0.0000000000

10 0.00000023712 0.0000002408 0.0000002338

JUMLAH 0.00000942032 0.0000013812 0.0000084269




distribusi Weibull.

4.6.2 SYN ATTACK B





132

bagi dalam bentuk interval kelas. Hasil perhitungan SYN Attack B untuk mencari


Tabel 4.80. Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack B

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 20575 74.5 0.91988196897

2 INTERVAL 150-299 72 224.5 0.00321902803

3 INTERVAL 300-449 128 374.5 0.00572271650

4 INTERVAL 450-599 127 524.5 0.00567800778

5 INTERVAL 600-749 31 674.5 0.00138597040

6 INTERVAL 750-899 39 824.5 0.00174364018

7 INTERVAL 900-1049 66 974.5 0.00295077570

8 INTERVAL 1050-1199 40 1124.5 0.00178834891

9 INTERVAL 1200-1349 17 1274.5 0.00076004829

10 INTERVAL 1350-1499 1272 1424.5 0.05686949524

TOTAL JUMLAH

PAKET 22367

Langkah selanjutnya SYN Attack B adalah menghitung estimasi parameter







133







Tabel 4.81. Hasil Distribusi Probabilitas SYN Attack B

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00613254646 0.00332473368 0.00584577242 0.00339028614

2 0.00002146019 0.00135872074 0.00105525284 0.00116196722

3 0.00003815144 0.00064389720 0.00028998299 0.00052316107

4 0.00003785339 0.00031880117 0.00010431299 0.00026181310

5 0.00000923980 0.00016125122 0.00004447142 0.00013935350

6 0.00001162427 0.00008260421 0.00002131741 0.00007735998

7 0.00001967184 0.00004267385 0.00001113865 0.00004431053

8 0.00001192233 0.00002217835 0.00000621946 0.00002601209

9 0.00000506699 0.00001157842 0.00000366119 0.00001557950

10 0.00037912997 0.00000606577 0.00000225033 0.00000948933




mendekati dengan paket data mentah serangan SYN Attack B. Hasil plot data


134

Gambar 4.27. Distribusi Probabilitas SYN Attack B



mendekati dengan histogram data mentah SYN AttackB. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.749584, β = 242.476)

( α = 141.5, β = 0.760066)

(µ = 4.40399, σ =0.911257)

135

Tabel 4.82. MSE SYN Attack B

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000788381 0.0000000822 0.0000075200

2 0.00000178827 0.0000010687 0.0000013008

3 0.00000036693 0.0000000634 0.0000002352

4 0.00000007893 0.0000000044 0.0000000502

5 0.00000002311 0.0000000012 0.0000000169

6 0.00000000504 0.0000000001 0.0000000043

7 0.00000000053 0.0000000001 0.0000000006

8 0.00000000011 0.0000000000 0.0000000002

9 0.00000000004 0.0000000000 0.0000000001

10 0.00000013918 0.0000001420 0.0000001366

JUMLAH 0.00001028594 0.0000013623 0.0000092649




distribusi Weibull.

4.6.3 SYN ATTACK C





136

bagi dalam bentuk interval kelas. Hasil perhitungan SYN Attack C untuk mencari


Tabel 4.83. Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack C

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 16483 74.5 0.89411445620

2 INTERVAL 150-299 60 224.5 0.00325467860

3 INTERVAL 300-449 159 374.5 0.00862489829

4 INTERVAL 450-599 124 524.5 0.00672633577

5 INTERVAL 600-749 50 674.5 0.00271223217

6 INTERVAL 750-899 43 824.5 0.00233251966

7 INTERVAL 900-1049 78 974.5 0.00423108218

8 INTERVAL 1050-1199 38 1124.5 0.00206129645

9 INTERVAL 1200-1349 35 1274.5 0.00189856252

10 INTERVAL 1350-1499 1365 1424.5 0.07404393816

TOTAL JUMLAH

PAKET 18435

Langkah selanjutnya SYN Attack C adalah menghitung estimasi parameter







137







Tabel 4.84. Hasil Distribusi Probabilitas SYN Attack C

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00596076304 0.00332315376 0.00584307801 0.00338926270

2 0.00002169786 0.00135847939 0.00105560323 0.00116188711

3 0.00005749932 0.00064411807 0.00029031429 0.00052331056

4 0.00004484224 0.00031909763 0.00010450383 0.00026198936

5 0.00001808155 0.00016150106 0.00004457913 0.00013950324

6 0.00001555013 0.00008278498 0.00002138017 0.00007747468

7 0.00002820721 0.00004279507 0.00001117665 0.00004439447

8 0.00001374198 0.00002225602 0.00000624332 0.00002607211

9 0.00001265708 0.00001162671 0.00000367666 0.00001562190

10 0.00049362625 0.00000609516 0.00000226065 0.00000951908




mendekati dengan paket data mentah serangan SYN Attack C. Hasil plot data


138

Gambar 4.28. Distribusi Probabilitas SYN Attack C



mendekati dengan histogram data mentah SYN Attack C. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.749207, β = 242.756)

( α =141.556, β = 0.759892)

( µ = 4.40418, σ = 0.911662)

139

Tabel 4.85. MSE SYN Attack C

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000695698 0.0000000138 0.0000066126

2 0.00000178698 0.0000010690 0.0000013000

3 0.00000034412 0.0000000542 0.0000002170

4 0.00000007522 0.0000000036 0.0000000472

5 0.00000002057 0.0000000007 0.0000000147

6 0.00000000452 0.0000000000 0.0000000038

7 0.00000000021 0.0000000003 0.0000000003

8 0.00000000007 0.0000000001 0.0000000002

9 0.00000000000 0.0000000001 0.0000000000

10 0.00000023769 0.0000002414 0.0000002344

JUMLAH 0.00000942637 0.0000013832 0.0000084301




distribusi Weibull.

4.6.4 SYN ATTACK D





140

bagi dalam bentuk interval kelas. Hasil perhitungan SYN Attack D untuk mencari


Tabel 4.86. Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack D

Interval

ke INTERVAL KELAS

JUMLAH

PAKET

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 20575 74.5 0.91988196897

2 INTERVAL 150-299 72 224.5 0.00321902803

3 INTERVAL 300-449 128 374.5 0.00572271650

4 INTERVAL 450-599 127 524.5 0.00567800778

5 INTERVAL 600-749 31 674.5 0.00138597040

6 INTERVAL 750-899 39 824.5 0.00174364018

7 INTERVAL 900-1049 66 974.5 0.00295077570

8 INTERVAL 1050-1199 40 1124.5 0.00178834891

9 INTERVAL 1200-1349 17 1274.5 0.00076004829

10 INTERVAL 1350-1499 1272 1424.5 0.05686949524

TOTAL JUMLAH

PAKET 22367

Langkah selanjutnya SYN Attack D adalah menghitung estimasi parameter







141







Tabel 4.87. Hasil Distribusi Probabilitas SYN Attack D

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.00613254646 0.00377014036 0.00665931257 0.00366448734

2 0.00002146019 0.00138288589 0.00089124312 0.00115125624

3 0.00003815144 0.00055529494 0.00018499280 0.00046308310

4 0.00003785339 0.00022902582 0.00005267492 0.00020570804

5 0.00000923980 0.00009570111 0.00001838724 0.00009694693

6 0.00001162427 0.00004030148 0.00000739743 0.00004760314

7 0.00001967184 0.00001705934 0.00000330568 0.00002410799

8 0.00001192233 0.00000724766 0.00000160212 0.00001251243

9 0.00000506699 0.00000308764 0.00000082849 0.00000662661

10 0.00037912997 0.00000131820 0.00000045179 0.00000356985




mendekati dengan paket data mentah serangan SYN Attack D. Hasil plot data


142

Gambar 4.29. Distribusi Probabilitas SYN Attack D



mendekati dengan histogram data mentah SYN Attack D. Hasil perhitungan MSE


74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.846944 , β = 179.833)

( α =124.873, β = 0.799633)

( µ = 4.33034, σ = 0.803889)

143

Tabel 4.88. MSE SYN Attack D

Interval

ke

MSE

(GAMMA)

MSE

(LOGNORMAL)

MSE

(WEIBULL)

1 0.00000558096 0.0000002775 0.0000060913

2 0.00000185348 0.0000007565 0.0000012764

3 0.00000026744 0.0000000216 0.0000001806

4 0.00000003655 0.0000000002 0.0000000282

5 0.00000000748 0.0000000001 0.0000000077

6 0.00000000082 0.0000000000 0.0000000013

7 0.00000000001 0.0000000003 0.0000000000

8 0.00000000002 0.0000000001 0.0000000000

9 0.00000000000 0.0000000000 0.0000000000

10 0.00000014274 0.0000001434 0.0000001410

JUMLAH 0.00000788950 0.0000011997 0.0000077266




distribusi Weibull.

4.6.5 SYN ATTACK RATA-RATA

SYN Attack Gabungan terdiri atas SYN Attack A, SYN Attack B, SYN

Attack C dan SYN Attack D.


SYN Attack A, SYN Attack B, SYN Attack C dan SYN Attack D, selanjutnya di bagi

144

dengan jumlah serangan yaitu dibagi empat. Hasil perhitungan SYN Attack Rata-

rata frekuensi relatif ditunjukan dalam Tabel 4.89.

Tabel 4.89. Hasil Nilai Tengah dan Frekuensi Relatif SYN Attack Rata-rata

Interval

ke INTERVAL KELAS

NILAI

TENGAH

FREKUENSI

RELATIF

1 INTERVAL 0-149 74.5 0.907017654

2 INTERVAL 150-299 224.5 0.003235839

3 INTERVAL 300-449 374.5 0.007171121

4 INTERVAL 450-599 524.5 0.006213621

5 INTERVAL 600-749 674.5 0.002048256

6 INTERVAL 750-899 824.5 0.002037353

7 INTERVAL 900-1049 974.5 0.003589611

8 INTERVAL 1050-1199 1124.5 0.001924181

9 INTERVAL 1200-1349 1274 0.001328714

10 INTERVAL 1350-1499 1424.5 0.065433651

Langkah selanjutnya SYN Attack Rata-rata adalah menghitung estimasi







145







Tabel 4.90. Hasil Distribusi Probabilitas SYN Attack Rata-rata

Interval

ke

PDF (DATA

MENTAH)

DISTRIBUSI

GAMMA

DISTRIBUSI

LOGNORMAL

DISTRIBUSI

WEIBULL

1 0.0060467844 0.0034168167 0.0060324537 0.0034559379

2 0.0000215723 0.0013745124 0.0010221943 0.0011629093

3 0.0000478075 0.0006320650 0.0002645703 0.0005108550

4 0.0000414241 0.0003023783 0.0000905312 0.0002490562

5 0.0000136550 0.0001474758 0.0000369790 0.0001290682

6 0.0000135824 0.0000727567 0.0000170732 0.0000697452

7 0.0000239307 0.0000361685 0.0000086270 0.0000388840

8 0.0000128279 0.0000180777 0.0000046731 0.0000222181

9 0.0000088581 0.0000090724 0.0000026755 0.0000129531

10 0.0004362243 0.0000045674 0.0000016028 0.0000076803


membandingkandata mentah dengan distribusi probabilitas (Gamma,

LognormaldanWeibull), dengan hal tersebut bisa diketahui bentuk distribusi yang

paling mendekati dengan paket data mentah serangan SYN AttackRata-rata. Hasil

plot data mentah dengan distribusi probabilitas dapat dilihat pada Gambar 4.30.

146

Gambar 4.30. Distribusi Probabilitas SYN Attack Rata-rata



mendekati dengan histogram data mentah SYN AttackRata-rata.Hasil perhitungan

MSE secara teoritis ditunjukan dalam Tabel 4.90.

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

( α = 0.77382975, β = 226.88525)

( α = 137.35725, β = 0.76991425)

( µ = 4.385625, σ = 0.88451625)

147

Tabel 4.91. MSE SYN Attack Rata-rata

Interval

ke

MSE

GAMMA

MSE

LOGNORMAL

MSE

WEIBULL

1 0.0000069167 0.0000000002 0.0000067125

2 0.0000018304 0.0000010012 0.0000013027

3 0.0000003414 0.0000000470 0.0000002144

4 0.0000000681 0.0000000024 0.0000000431

5 0.0000000179 0.0000000005 0.0000000133

6 0.0000000035 0.0000000000 0.0000000032

7 0.0000000001 0.0000000002 0.0000000002

8 0.0000000000 0.0000000001 0.0000000001

9 0.0000000000 0.0000000000 0.0000000000

10 0.0000001863 0.0000001889 0.0000001837

JUMLAH 0.0000093645 0.0000012406 0.0000084731



data mentah untuk serangan SYN Attack adalah distribusi Lognormal dengan

parameter µ = 4.385625, σ = 0.88451625

Pada Tabel 4.91 akan diperjelas hasil dari perbandingan UDP Attack Rata-

rata, PING Flood Rata-rata dan SYN Attack Rata-rata dengan nilai estimasi

parameter dan nilai MSE pada masing-masing serangan menggunakan tool NMAP

pada OS Backtrack. Untuk lebih jelasnya bisa dilihat pada Tabel 4.92.

148

Tabel 4.92. Rekapitulasi Hasil Pengujian NMAP

No Jenis

Serangan

Distribusi

Probabilitas Nilai Parameter MSE

1 UDP Attack

d. Gamma

e. Lognormal

f. Weibull

α = 0.63841175,

β = 811.33175

µ = 5.2737475,

σ = 1.4082625

α = 419.6825,

β = 0.724291

0.0000103874

0.0000068516

0.0000095347

2 PING Flood

d. Gamma

e. Lognormal

f. Weibull

α= 1.4853425,

β = 48.477725

µ = 3.894215,

σ = 0.5074965

α = 69.44455,

β = 0.96192525

0.0000002926

0.0000012793

0.0000031679

3 SYN Attack

d. Gamma

e. Lognormal

f. Weibull

α = 0.77382975,

β = 226.88525

µ = 4.385625,

σ = 0.88451625

α = 137.35725,

β = 0.76991425

0.0000093645

0.0000012406

0.0000084731

Hasil pengujian seperti terlihat dalam Tabel 4.91, UDP Attack memiliki

karakteristik distribusi statistik mendekati distribusi Lognormal dengan hasil nilai

MSE terkecil yaitu nilai MSE = 0.0000068516 dengan nilai parameter µ =

5.2737475, σ = 1.4082625, SYN Attack memiliki karakteristik distribusi statistik

149

mendekati distribusi Lognormal dengan hasil nilai MSE terkecil yaitu nilai MSE =

0.0000012406 dengan nilai parameter µ = 4.385625, σ = 0.88451625. Sedangkan

PING Flood memiliki karakteristik distribusi statistik mendekati distribusi

Gamma dengan nilai MSE terkecil yaitu nilai MSE = 0.0000002926 dengan nilai

parameter α = 1.4853425, β = 811.33175.

Pada Gambar 4.31 adalah hasil estimasi parameter PING flood Rata-rata.

PING Flood Rata-rata ini menggunakan aplikasi HPING dan aplikasi NMAP,

dengan menggunakan kedua pengujian aplikasi tersebut menghasilkan

karakteristik mendekati distribusi gamma yang sama dengan nilai MSE terkecil

dari pada distribusi lognormal dan distribusi weibull. Untuk perbedaannya hanya

pada nilai estimasi parameter α dan β. Untuk lebih jelasnya bisa dilihat pada

Gambar 4.31.

Gambar 4.31. Hasil Estimasi Parameter PING Flood Rata-rata

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

Gamma PING NMAP

Gamma PING HPING

α= 1.4853425, β = 48.477725

α= 1.16704175, β = 158.63295

150

Pada Gambar 4.32 adalah hasil estimasi parameter SYN Attack Rata-rata.

SYN Attack Rata-rata ini menggunakan aplikasi HPING dan aplikasi NMAP,


karakteristik mendekati distribusi lognormal yang sama dengan nilai MSE terkecil

dari pada distribusi gamma dan distribusi weibull. Untuk perbedaannya hanya

pada nilai estimasi parameter µ dan σ. Untuk lebih jelasnya bisa dilihat pada

Gambar 4.32.

Gambar 4.32. Hasil Estimasi Parameter SYN Attack Rata-rata

Pada Gambar 4.33 adalah hasil estimasi parameter UDP Attack Rata-rata.

UDP Attack Rata-rata ini menggunakan aplikasi HPING dan aplikasi NMAP,


karakteristik mendekati distribusi lognormal yang sama dengan nilai MSE terkecil

Lognormal SYN HPING

Lognormal SYN NMAP

µ = 5.2737475, σ = 1.4082625

µ = 4.9304825, σ = 1.100298

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

151

dari pada distribusi gamma dan distribusi weibull. Untuk perbedaannya hanya

pada nilai estimasi parameter µ dan σ. Untuk lebih jelasnya bisa dilihat pada

Gambar 4.33.

Lognormal UDP HPING

Lognormal UDP NMAP

74.5 224.5 374.5 524.5 674.5 824.5 974.5 1124.5 1274.5 1424.5

µ = 5.2737475,σ = 1.4082625

µ = 4.1394775, σ = 0.86768475

bab iv hasil dan pembahasan - dinamikarepository.dinamika.ac.id/id/eprint/1134/8/bab_iv.pdf ·...

Documents