Penerapan Algoritma Random Forest untuk Analisis dan Deteksi Dini Serangan Siber pada Lalu Lintas Jaringan

Yohanes Brian Gudare; Yulianti Paula Bria; Frengky Tedy

Authors

Yohanes Brian Gudare Program Studi Ilmu Komputer, Universitas Katolik Widya Mandira Kupang
Yulianti Paula Bria Program Studi Ilmu Komputer, Universitas Katolik Widya Mandira Kupang
Frengky Tedy Program Studi Ilmu Komputer, Universitas Katolik Widya Mandira Kupang

Keywords:

Deteksi serangan siber, lalu lintas jaringan, machine learning, Random Forest, evaluasi kinerja

Abstract

Meningkatnya frekuensi dan kompleksitas serangan siber pada jaringan komputer menuntut adanya mekanisme deteksi yang adaptif dan andal. Penelitian ini bertujuan menerapkan algoritma Random Forest untuk menganalisis lalu lintas jaringan dan melakukan deteksi dini serangan siber secara otomatis. Dataset diperoleh dari hasil pemantauan lalu lintas jaringan pada lingkungan terkontrol dan berisi fitur-fitur seperti IP sumber, IP tujuan, port, protokol, panjang paket, waktu, serta label jenis trafik (normal dan beberapa jenis serangan). Data melalui tahap pra-pemrosesan, kemudian dibagi menjadi data latih dan data uji dengan rasio 70:30. Model Random Forest dibangun menggunakan pustaka scikit-learn dan dievaluasi dengan metrik akurasi, precision, recall, dan F1-score, baik per kelas maupun dalam bentuk macro- dan micro-averaging. Hasil pengujian menunjukkan akurasi keseluruhan sekitar 94%, dengan nilai F1-score rata-rata di atas 88%, yang mengindikasikan kemampuan model yang baik dalam membedakan trafik normal dan berbagai jenis serangan. Model kemudian diintegrasikan ke dalam sistem pemantauan jaringan berbasis web yang telah diuji secara fungsional menggunakan black-box testing.

References

[1] Y. Sutisnawinata, Keamanan Siber di Indonesia: Ancaman dan Solusi. Jakarta, Indonesia: Pustaka Teknologi, 2023.

[2] B. Simanullang, R. Syuhada, M. B. Lewa, and D. A. Martin, “Penerapan machine learning untuk deteksi ancaman siber,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 2, pp. 120–130, 2021.

[3] R. N. Uzlah, R. Damanik, Y. Ramadhan, and M. Faizal, “Analisis dampak serangan siber terhadap stabilitas ekonomi dan politik di Indonesia,” Jurnal Keamanan Siber Nasional, vol. 6, no. 1, pp. 25–35, 2024.

[4] I. Setyawan, T. R. Putra, and R. A. Lestari, “Klasifikasi tingkat keparahan serangan jaringan komputer dengan metode machine learning,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 2, pp. 101–108, 2021.

[5] A. Situmorang and M. Yafhizam, “Analisis kinerja algoritma machine learning dalam deteksi anomali jaringan,” Jurnal Teknologi dan Sistem Komputer, vol. 11, no. 1, pp. 45–52, 2023.

[6] R. Bororing, “Pengembangan algoritma machine learning untuk mendeteksi anomali jaringan pada komputer,” Jurnal Ilmu Komputer dan Informatika, vol. 6, no. 1, pp. 33–40, 2024.

[7] P. Sari, H. Kurniawan, and L. Mulyani, “Implementasi machine learning untuk deteksi intrusi pada jaringan komputer,” Jurnal Teknologi Informasi dan Keamanan Siber, vol. 5, no. 2, pp. 58–65, 2024.

[8] A. H. Rohman, E. Prasetyo, and R. Setiawan, “Klasifikasi serangan jaringan menggunakan algoritma Random Forest,” Jurnal Ilmiah Teknik Komputer, vol. 4, no. 3, pp. 145–150, 2018.

[9] U. Laode, “Deteksi serangan siber pada jaringan komputer menggunakan metode Random Forest,” JATI (Jurnal Aplikasi Teknologi Informasi), vol. 8, no. 2, pp. 4–5, 2024.

[10] D. A. Putra, “Prediksi kinerja jaringan komputer menggunakan model machine learning,” Jurnal Informatika dan Sistem Komputer, vol. 9, no. 1, pp. 22–29, 2024.

[11] L. Breiman, “Random forests,” Machine Learning, vol. 45, no. 1, pp. 5–32, 2001.

[12] A. Liaw and M. Wiener, “Classification and regression by randomForest,” R News, vol. 2, no. 3, pp. 18–22, 2002.

[13] A. Kantinit, “Pengantar algoritma Random Forest dan aplikasinya dalam machine learning,” Jurnal Teknologi Informasi, vol. 5, no. 2, pp. 45–52, 2022.

[14] R. Moskovitch and Y. Shahar, “Detection of anomalies in network traffic using random forests,” in Proc. IEEE Int. Conf. Data Mining, 2008, pp. 270–279.

[15] L. Breiman, “Random forests,” Machine Learning, vol. 45, no. 1, pp. 5–32, 2001, doi: 10.1023/A:1010933404324.

[16] A. Liaw and M. Wiener, “Classification and regression by randomForest,” R News, vol. 2, no. 3, pp. 18–22, 2002. [Online]. Available: https://cran.r-project.org/doc/Rnews/

[17] F. Pedregosa et al., “Scikit-learn: Machine learning in Python,” Journal of Machine Learning Research, vol. 12, pp. 2825–2830, 2011. [Online]. Available: https://jmlr.org/papers/v12/pedregosa11a.html

[18] M. Nurudin, “Pengujian perangkat lunak: Pendekatan black box testing,” Jurnal Teknologi Informasi, vol. 6, no. 1, pp. 23–29, 2020.