Text

Perbandingan Algoritma Machine Learning Dalam Deteksi Serangan Port Scanning Menggunakan Random Forest, Support Vector Machine (SVM), dan XGBoost

---

Keamanan siber merupakan aspek penting dalam menjaga kerahasiaan, integritas, dan ketersediaan data pada infrastruktur jaringan. Salah satu bentuk ancaman yang sering terjadi adalah port scanning, yaitu aktivitas pemindaian port pada sistem untuk mengidentifikasi layanan terbuka yang berpotensi dimanfaatkan oleh pihak yang tidak berwenang. Deteksi dini terhadap aktivitas ini sangat penting untuk mencegah terjadinya serangan lanjutan. Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma machine learning yaitu Random Forest, Support Vector Machine (SVM) dan XGBoost dalam mengidentifikasi serangan port scanning. Data penelitian menggunakan dataset CICIDS 2017, khususnya Friday-Working-Hours-Afternoon-PortScan-pcap_ISCX.csv dan Monday Working-Hours-pcap_ISCX.csv, yang memuat lalu lintas jaringan normal dan berbahaya. Metodologi penelitian meliputi pengumpulan data, pra pemrosesan, seleksi fitur, pembagian data, pelatihan model, dan evaluasi menggunakan metrik akurasi, precision, recall, serta F1 score. Pengujian dilakukan dalam dua skenario yaitu tanpa penerapan SMOTE dan dengan penerapan SMOTE untuk mengatasi ketidakseimbangan kelas. Hasil analisis menunjukkan bahwa XGBoost memberikan kinerja paling optimal dibandingkan dua algoritma lainnya. Temuan ini diharapkan dapat menjadi acuan dalam pengembangan sistem deteksi intrusi berbasis machine learning yang adaptif dan andal.

---

Availability

Detail Information

Call Number

Informatika 623.7 Far p

Language

Indonesia

NPM

213510299

Publisher

Teknik Infomatika : Universitas Islam Riau., 2026

Keyword(s)

machine learning
Port Scanning
keamanan siber
sistem deteksi intrusi

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment