Perancangan Sistem Keamanan Jaringan untuk Mendeteksi Serangan DoS Menggunakan Metode Machine Learning dengan Algoritma Decision Tree

Abstract

Penelitian ini mengembangkan sistem deteksi serangan Denial of Service (DoS) berbasis machine learning dengan algoritma Decision Tree untuk meningkatkan keamanan jaringan. Dalam konteks peningkatan ancaman siber yang signifikan, dimana serangan DoS telah meningkat 43% dalam dua tahun terakhir dengan kerugian rata-rata mencapai $120.000 per insiden, sistem deteksi konvensional berbasis aturan terbukti kurang efektif menghadapi serangan yang semakin canggih. Melalui pendekatan metodologi Waterfall, penelitian ini mengimplementasikan sistem deteksi yang mampu mengidentifikasi karakteristik anomali trafik jaringan secara real-time. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan mencapai tingkat akurasi 96,3% dalam mendeteksi serangan DoS dengan false positive rate hanya 1,8% dan waktu respons rata-rata 2,1 detik. Sistem ini berhasil mengoptimalkan pemilihan fitur dan parameter model Decision Tree untuk meningkatkan performa deteksi serangan. Implementasi sistem dalam lingkungan pengujian membuktikan bahwa pendekatan machine learning dapat secara signifikan meningkatkan keamanan infrastruktur jaringan dengan kemampuan adaptasi terhadap pola serangan yang terus berkembang, sehingga menawarkan solusi yang efektif untuk melindungi sistem informasi organisasi dari ancaman serangan DoS.