SISTEM DETEKSI INTRUSI PADA JARINGAN KOMPUTER MENGGUNAKAN ALGORITMA XGBOOST
DOI:
https://doi.org/10.35145/jmapteksi.v7i2.4969Kata Kunci:
XGBOOST, IDS, NSL-KDD, DoS, KEAMANAN_JARINGANAbstrak
Penelitian ini bertujuan untuk mengembangkan sistem deteksi intrusi pada jaringan komputer menggunakan algoritma XGBoost. Intrusi dalam jaringan dapat menyebabkan kerugian besar, sehingga diperlukan sistem yang mampu mendeteksi serangan secara cepat dan akurat. Dataset yang digunakan adalah NSL-KDD, yang telah diproses melalui tahapan preprocessing dan pembagian data untuk pelatihan dan pengujian model. Hasil pengujian menunjukkan bahwa algoritma XGBoost mampu mendeteksi intrusi dengan akurasi sebesar 99,1%, precision 98,9%, recall 99,2%, dan F1-score 99%, yang menunjukkan kinerja sangat baik dalam mendeteksi serangan jaringan. Sistem ini diharapkan dapat menjadi solusi yang efektif dalam meningkatkan keamanan jaringan komputer.
Unduhan
Data unduhan belum tersedia.
Referensi
Z. Ahmad, A. Shahid Khan, C. Wai Shiang, J. Abdullah, and F. Ahmad, “Network intrusion detection system: A systematic study of machine learning and deep learning approaches,†Trans. Emerg. Telecommun. Technol., vol. 32, no. 1, pp. 1–29, 2021, doi: 10.1002/ett.4150.
[2] Amirah and A. Sanmorino, “Deteksi Intrusi Siber pada Sistem Pembelajaran Elektronik berbasis Machine Learning,†J. Ilm. Inform. Glob., vol. 14, no. 2, pp. 12–16, 2023, doi: 10.36982/jiig.v14i2.3227.
[3] G. M. G. Bororing, “Pengembangan Algoritma Machine Learning Untuk Mendeteksi Anomali Dalam Jaringan Komputer,†J. Rev. Pendidik. dan …, vol. 7, pp. 1361–1368, 2024, [Online]. Available: http://journal.universitaspahlawan.ac.id/index.php/jrpp/article/view/25176%0Ahttp://journal.universitaspahlawan.ac.id/index.php/jrpp/article/download/25176/17529
[4] R. G. Gunawan, Erik Suanda Handika, and Edi Ismanto, “Pendekatan Machine Learning Dengan Menggunakan Algoritma Xgboost (Extreme Gradient Boosting) Untuk Peningkatan Kinerja Klasifikasi Serangan Syn,†J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no.
[2] Amirah and A. Sanmorino, “Deteksi Intrusi Siber pada Sistem Pembelajaran Elektronik berbasis Machine Learning,†J. Ilm. Inform. Glob., vol. 14, no. 2, pp. 12–16, 2023, doi: 10.36982/jiig.v14i2.3227.
[3] G. M. G. Bororing, “Pengembangan Algoritma Machine Learning Untuk Mendeteksi Anomali Dalam Jaringan Komputer,†J. Rev. Pendidik. dan …, vol. 7, pp. 1361–1368, 2024, [Online]. Available: http://journal.universitaspahlawan.ac.id/index.php/jrpp/article/view/25176%0Ahttp://journal.universitaspahlawan.ac.id/index.php/jrpp/article/download/25176/17529
[4] R. G. Gunawan, Erik Suanda Handika, and Edi Ismanto, “Pendekatan Machine Learning Dengan Menggunakan Algoritma Xgboost (Extreme Gradient Boosting) Untuk Peningkatan Kinerja Klasifikasi Serangan Syn,†J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no.
