BAB 5 KESIMPULAN DAN SARAN
Bab ini membahas tentang kesimpulan dari metode yang diajukan untuk mengidentifikasi file fragment pada bagian 5.1, serta pembahasan saran-saran untuk
pengembangan penelitian selanjutnya pada bagian 5.2.
5.1. Kesimpulan
Berdasarkan penerapan
metode Longest
Common Subsequences
untuk mengidentifikasi file fragment, didapat beberapa kesimpulan, yaitu:
1. Penerapan metode yang diajukan menghasilkan tingkat akurasi sebesar 83.75
untuk file fragment dengan tipe data .pdf; 100 untuk file fragment dengan tipe data .rtf; 95 untuk file fragment dengan tipe data .doc; dan rata-rata keseluruhan
akurasi hasil pengujian sebesar 92.91. Sehingga dapat disimpulkan bahwa metode Longest Common Subsequences yang diajukan mampu mengidentifikasi
file fragment dengan tipe data .pdf, .rtf., dan .doc.
2. Metode Longest Common Subsequences mampu mengidentifikasi file fragment
dengan hex number yang tidak tertimpa seluruhnya, dikarenakan metode LCS membutuhkan setidaknya sebagian kecil hex number yang terletak pada trailer file
untuk melakukan identifikasi. Tingkat keberhasilan juga dipengaruhi oleh tipe data yang menimpa file yang hendak diidentifikasi.
3. Metode Longest Common Subsequences dalam pengujian dengan tipe data lain,
memerlukan training untuk setiap tipe data, sehingga apabila file yang hendak diidentifikasi memiliki tipe data yang tidak pernah dilatih sebelumnya maka
kemungkinan besar program akan menghasilkan output yang tidak benar.
4. Metode Longest Common Subsequences dalam melakukan identifikasi, perlu
melakukan pengujian terhadap setiap sequence hasil training sebelum program dapat menghasilkan output yang benar, sehingga membuat proses identifikasi
menjadi lambat. Jika kita hendak mengidentifikasi file dengan tipe data yang lebih luas, misalkan 10 tipe file, maka kita perlu melakukan training terhadap 10 tipe
file tersebut terlebih dahulu dan menghasilkan 10 LCS untuk diuji kemiripannya, kemudian saat melakukan identifikasi file fragment, hex number file fragment
akan dibandingkan satu per satu dengan 10 LCS hasil training dan diambil akurasi tertinggi untuk mengetahui hasil identifikasi.
5. Validasi tidak dapat dilakukan hanya dengan menambahkan header file.
5.2. Saran
Kategori