Identifikasi File Dokumen Berdasarkan Konten Menggunakan Distributed Autonomous Neuro-Gen Learning Engine

  IDENTIFIKASI FILE DOKUMEN BERDASARKAN KONTEN MENGGUNAKAN

DISTRIBUTED AUTONOMOUS NEURO-GEN LEARNING ENGINE

  SKRIPSI AARON 101402027

  PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014 IDENTIFIKASI FILE DOKUMEN BERDASARKAN KONTEN MENGGUNAKAN

DISTRIBUTED AUTONOMOUS NEURO-GEN LEARNING ENGINE

  SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

  Sarjana Teknologi Informasi AARON

  101402027 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN

  2014

  

PERSETUJUAN

  Judul : IDENTIFIKASI FILE DOKUMEN BERDASARKAN KONTEN MENGGUNAKAN DISTRIBUTED

AUTONOMOUS NEURO-GEN LEARNING

  ENGINE Kategori : SKRIPSI Nama : AARON Nomor Induk Mahasiswa : 101402027 Program Studi : S1 TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

  UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Romi Fadillah Rahmat, B.Comp.Sc M.Sc Prof. Dr. Opim Salim Sitompul, M.Sc NIP. 19860303 201012 1 004 NIP. 19610817 198701 1 001 Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, ST., MM.IT NIP. 19800110 200801 1 010

  

PERNYATAAN

  IDENTIFIKASI FILE DOKUMEN BERDASARKAN KONTEN MENGGUNAKAN

DISTRIBUTED AUTONOMOUS NEURO-GEN LEARNING ENGINE

  SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

  Medan, 25 Mei 2014 Aaron 101402027

UCAPAN TERIMA KASIH

  Puji dan syukur penulis sampaikah kehadirat Tuhan Yang Maha Esa yang telah memberikan rahmat serta restu-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi.

  Pertama, penulis ingin mengucapkan terima kasih kepada Bapak Prof. Dr. Opim Salim Sitompul, M.Sc selaku pembimbing pertama dan Bapak Romi Fadillah Rahmat, B.Comp.Sc. M.Sc selaku pembimbing kedua yang telah membimbing penulis dalam penelitian serta penulisan skripsi ini. Tanpa inspirasi serta motivasi yang diberikan dari kedua pembimbing, tentunya penulis tidak akan dapat menyelesaikan skripsi ini. Penulis juga mengucapkan terima kasih kepada Bapak Muhammad Fadly Syahputra, B.Sc. M. Sc.

  IT sebagai dosen pembanding pertama dan Bapak M. Anggia Muchtar, ST. MM.IT sebagai dosen pembanding kedua yang telah memberikan masukan serta kritik yang bermanfaat dalam penulisan skripsi ini. Ucapan terima kasih juga ditjukan kepada semua dosen serta semua pegawai pada program studi S1 Teknologi Informasi, yang telah membantu serta membimbing penulis selama proses perkuliahan.

  Penulis tentunya tidak lupa berterima kasih kepada kedua orang tua penulis, Bapak penulis Amin Maslim, serta Alm. Ibu Miwana Agus yang telah membesarkan penulis dengan sabar dan penuh cinta. Terima kasih juga penulis ucapkan kepada adik penulis, Vincent Maslim, yang selalu memberikan dukungan kepada penulis. Penulis juga berterima kasih kepada seluruh anggota keluarga penulis yang namanya tidak dapat disebutkan satu satu.

  Terima kasih juga penulis ucapkan kepada seluruh teman-teman angkatan 2010 yang telah bersama-sama penulis melewati perkuliahan pada program studi S1 Teknologi Informasi, serta teman-teman mahasiswa Teknologi Informasi lainnya. Secara khusus, penulis juga mengucapkan terima kasih kepada Eka Pratiwi Goenfi yang selalu menemani dan memberikan perhatiannya kepada penulis.

  

ABSTRAK

  Identifikasi jenis file merupakan salah satu tahapan yang dilakukan pada forensik komputer terutama identifikasi jenis file dokumen, dimana identifikasi jenis file merupakan proses mengetahui format dari sebuah file sehingga dapat didapatkan jenis file sebenarnya dari file tersebut. Metode-metode identifikasi jenis file berdasarkan magic

  

bytes dan ekstensi nama file sangat mudah dikelabui dengan melakukan pemalsuan file

  sederhana, seperti pengubahan ekstensi nama file ataupun pengubahan beberapa byte awal sebuah file. Atas dasar hal ini, metode identifikasi jenis file berdasarkan konten menjadi sangat penting. Metode yang diajukan pada penelitian ini adalah penggunaan fitur Byte

  

Frequency Distribution , dilanjutkan dengan ekstraksi fitur dengan Principal Component

Analysis dan implementasi mesin pembelajaran Distributed Autonomous Neuro-Gen

Learning Engine dalam melakukan identifikasi jenis file dokumen berdasarkan konten.

  Pada penelitian ini ditunjukkan bahwa metode yang diajukan mampu melakukan identifikasi file dokumen dengan hasil akurasi yang cukup baik untuk lima jenis file dokumen. Kata kunci: forensik digital dan komputer, identifikasi file berbasis konten, Principal

  Distributed Autonomous Neuro-Gen Learning Engine, Distributed

  Component Analysis, Adaptive Neural Network, Gene Regulatory Engine.

  

CONTENT-BASED DOCUMENT FILE TYPE IDENTIFICATION USING

DISTRIBUTED AUTONOMOUS NEURO-GEN LEARNING ENGINE

ABSTRACT

  File type identification is one of the phases being done in computer forensics, especially document file type identification. File type identification is a process of knowing the format of a file to determine the real file type of the file. File identification methods based on magic bytes and file name extension are easily spoofed by simple file forgery such as changing the file name extension or editing the first few bytes of a file. A content-based file type identification method become very important because of the fact stated before. The method proposed in this research consists of using Byte Frequency Distribution of a file as features, using Principal Component Analysis for dimensionality reduction of features and finally implementing a Distributed Autonomous Neuro-Gen Learning Engine in identifying a document file based on its content. In this research, it is shown that the proposed method is capable of identifying document files with good accuracy for five types of document files.

  Keywords: digital and computer forensics, content-based file identification, Principal Component Analysis, Distributed Autonomous Neuro-Gen Learning Engine, Distributed Adaptive Neural Network, Gene Regulatory Engine.

  

DAFTAR ISI

Hal.

  Persetujuan ii

  Pernyataan iii

  Ucapan Terima Kasih iv

  Abstrak v

  Abstract vi

  Daftar Isi vii

  Daftar Tabel x

  Daftar Gambar xii

  BAB 1 Pendahuluan

  1

  1.1. Latar Belakang

  1

  1.2. Rumusan Masalah

  3

  1.3. Tujuan Penelitian

  3

  1.4. Batasan Masalah

  3

  1.5. Manfaat Penelitian

  4

  1.6. Metodologi Penelitian

  4

  1.7. Sistematika Penulisan

  5 BAB 2 Landasan Teori

  7

  2.1. Forensik Digital

  7

  2.2. Dokumen

  8

  2.3. File

  8

  2.3.1. Identifikasi Format File

  8

  2.3.2. File forgery

  13

  2.4. Normalisasi

  14

  2.5. Companding Function

  16

  2.6. Ekstraksi Fitur menggunakan Principal Component Analysis

  16

  2.7. Artificial Neural Network

  19

  2.7.1. Kelemahan Artificial Neural Network

  21

  2.7.1. Multilayer Perceptron

  21

  2.8. Distributed Autonomous Neuro-Gen Learning Engine

  24

  2.8.1. Gene Regulatory Engine

  25

  2.8.2. Distributed Adaptive Neural Network

  30 BAB 3 Analisis dan Perancangan

  32

  3.1. Arsitektur Umum

  32

  3.2. Dataset

  34

  3.3. Pre-process

  35

  3.3.1. Kalkulasi Byte Frequency Distribution

  36

  3.3.2. Normalisasi Byte Frequency Distribution

  36

  3.3.3. Kompresi dan Ekspansi Byte Frequency Distribution

  37

  3.3.4. Principal Component Analysis

  40

  3.4. Implementasi Distributed Autonomous Neuro-Gen Learning Engine 40

  3.4.1. Implementasi jaringan

  41

  42

  3.4.2. Parameter pelatihan yang digunakan

  3.4.3. Partisi data

  42

  43

  3.4.4. Modifikasi

  3.4.5. Target output

  44 BAB 4 Implementasi dan Pengujian

  45

  4.1. Hasil dari DANN

  45

  4.2. Hasil dari GRE

  48

  4.2.1. Hasil objective function

  49

  4.2.2. Hasil dari regulator mutasi

  50

  4.2.3. Hasil fitness function

  53

  4.3. Hasil pengujian

  53 BAB 5 Kesimpulan dan Saran

  57

  5.1. Kesimpulan

  57

  5.2. Saran

  58 Daftar Pustaka

  59 Lampiran A: Source Code Aplikasi Client

  62 Lampiran B: Source Code Aplikasi Server

  70

  

DAFTAR TABEL

Hal.

  44 Tabel 4.1. Hasil akhir gen node 1

  54 Tabel 4.9. Confusion Matrix untuk dataset pelatihan

  54 Tabel 4.8. Hasil akurasi untuk setiap jenif file pada pengujian menggunakan dataset pengujian

  48 Tabel 4.7. Hasil akurasi untuk setiap jenif file pada pengujian menggunakan dataset pelatihan

  47 Tabel 4.6. Akurasi hasil pelatihan untuk setiap node pada generasi ke-6

  46 Tabel 4.5. Hasil akhir gen node 5

  46 Tabel 4.4. Hasil akhir gen node 4

  46 Tabel 4.3. Hasil akhir gen node 3

  45 Tabel 4.2. Hasil akhir gen node 2

  43 Tabel 3.10. Target output untuk setiap jenis file

Tabel 2.1. Daftar magic bytes untuk beberapa jenis file dokumen

  42 Tabel 3.9. Partisi data untuk setiap node

  40 Tabel 3.8. Nilai-nilai parameter DANGLE

  39 Tabel 3.7. Tabel fitur hasil ekstraksi metode PCA

  37 Tabel 3.6. Tabel BFD hasil kompresi dan ekspansi

  37 Tabel 3.5. Tabel BFD hasil normalisasi

  35 Tabel 3.4. Tabel BFD untuk file sampel

  35 Tabel 3.3. Spesifikasi testing dataset

  34 Tabel 3.2. Spesifikasi training dataset

  10 Tabel 3.1. Spesifikasi file-file yang digunakan sebagai data penelitian

  55

Tabel 4.10. Confusion Matrix untuk dataset pengujian

  55 Tabel 4.11. Hasil akurasi untuk setiap jenis file pada pengujian menggunakan file-file yang telah dipalsukan

  56

  

DAFTAR GAMBAR

Hal.

Gambar 2.1. Distribusi Frekuensi untuk dua file rtf yang berbeda (McDaniel, 2001) 12Gambar 2.2. Distribusi Frekuensi untuk dua file gif yang berbeda (McDaniel, 2001) 12Gambar 2.3. Arsitektur umum sebuah jaringan saraf tiruan (Negnetvisky, 2005)

  20 Gambar 2.4. Fungsi aktivasi dari sebuah neuron (Negnetvisky, 2005)

  20 Gambar 2.5. Arsitektur Multilayer Perceptron dengan dua hidden layer (Negnetvisky, 2005)

  22 Gambar 2.6. Arsitektur Gene Regulatory Engine (Rahmat, 2008)

  25 Gambar 2.7. Diagram lengkap model GRE (Rahmat, 2008)

  26 Gambar 2.8.

  27 Node Behavior’s Gene (Pasha, 2010) Gambar 2.9.

  27 Neural Network’s Gene (Rahmat, 2008) Gambar 2.10.Arsitektur umum dari Distributed Autonomous Neural Network (Rahmat, 2008)

  31 Gambar 3.1. Arsitektur umum metode yang diajukan

  33 Gambar 3.2. Grafik BFD hasil normalisasi

  38 Gambar 3.3. Grafik BFD hasil kompresi dan ekspansi

  39 Gambar 3.4. Rancangan jaringan implementasi DANGLE

  41 Gambar 4.1. Hasil output untuk setiap node pada setiap generasi

  48 Gambar 4.2. Hasil RMSE untuk setiap node pada setiap generasi

  49 Gambar 4.3. Mutasi Epoch pada setiap node untuk setiap generasi

  50 Gambar 4.4. Mutasi jumlah hidden layer pada setiap node untuk setiap generasi

  51 Gambar 4.5. Mutasi jumlah neuron hidden layer 1 pada setiap node untuk setiap generasi

  51

Gambar 4.6. Mutasi jumlah neuron hidden layer 2 pada setiap node untuk setiap generasi

  52 Gambar 4.7. Mutasi jumlah neuron hidden layer 3 pada setiap node untuk setiap generasi

  52 Gambar 4.8. Hasil fitness function untuk setiap generasi

  53