SKRIPSI DIGITAL
Rancang Bangun Sistem Deteksi Anomali pada Log Website Menggunakan Machine Learning dengan Rekomendasi Tindakan Via Chatbot = Design and Development of a Website Log Anomaly Detection System Using Machine Learning with Chatbot-Based Action Recommendations
Maidatuz Zahraul Maulida, Putri Cantika Sihombing, “Rancang Bangun Sistem
Deteksi Anomali pada Log Website Menggunakan Machine Learning dengan
Rekomendasi Tindakan Via Chatbot”, Tugas Akhir S.Tr Jurusan Teknik Elektro
Program Studi Teknik Telekomunikasi, dibawah bimbingan Ari Sriyanto Nugroho,
S.T., M.T., M.Sc., dan Catur Budi Waluyo, S.T., M.T. Juni 2026, 96 Halaman.
Adopsi sistem digital pada institusi pendidikan tinggi memicu peningkatan
ancaman siber. Data BSSN (Januari–Juli 2025) mencatat 3,64 miliar anomali trafik,
dengan sektor pendidikan sebagai target utama. Website kampus menyimpan data
akademik sensitif yang membutuhkan perlindungan kontinu. Masalah utama saat
ini adalah ketidakefisienan analisis log web server manual akibat volume data
masif, sehingga menyulitkan administrator dalam menentukan langkah mitigasi.
respons awal yang tepat tanpa panduan terstruktur setelah anomali terdeteksi.
Penelitian ini merancang dan membangun sistem deteksi anomali terintegrasi
bernama SIRIUS POLINES yang beroperasi pada data log web server Nginx.
Metode yang digunakan adalah prototyping iteratif. Sistem menerapkan arsitektur
machine learning dua lapis, yaitu algoritma isolation forest untuk memisahkan
trafik normal dari anomali, dilanjutkan random forest untuk mengklasifikasikan
tingkat bahaya menjadi kategori low, medium, dan high.
Hasil pengujian menunjukkan algoritma isolation forest berhasil memisahkan trafik
normal dari anomali dengan silhouette score 0,5608. Algoritma random forest
mengklasifikasikan tingkat bahaya anomali ke dalam tiga kategori dengan akurasi
rata-rata 93,60% dan F1-score 0,92. Integrasi chatbot SIRIUS Assistant berbasis
Google Gemini menghasilkan rekomendasi mitigasi yang relevan dengan latensi
respons sekitar 9 detik, dan sistem mampu memproses file log hingga 190.000 baris
dalam waktu sekitar 27 detik.
Kata Kunci: machine learning, random forest, isolation forest, log web server,
deteksi anomali, sistem deteksi intrusi.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah