| dc.description.abstract | Minat dan perkembangan dalam teknologi internet dan komunikasi telah menyebabkan keamanan jaringan menjadi bidang penelitian yang sangat penting. Untuk memastikan keamanan jaringan dan semua aset yang terhubung dalam ruang siber, dimplementasikan alat-alat seperti firewall, antivrus, dan sistem pendeteksi intrusi atau IDS. Penelitian ini bertujuan untuk merancangan sebuah model machine learning-based intrusion detection system menggunakan algoritma decision tree. Pada dekade terakhir perkembangan dan penggunaan machine learning ikut ambil dalam perkembangan IDS (intrusion detection system) dan cybersecurity pada umumnya. Dalam machine learning, model dapat belajar dari data dan mencari pola baru yang menandakan serangan, sehingga dapat mendeteksi serangan yang belum pernah terjadi sebelumnya. Tujuan utama menerapkan machine learning dalam cybersecurity adalah untuk membuat proses deteksi intrusi lebih bisa ditindaklanjuti, terukur dan efektif daripada pendekatan tradisional, yang membutuhkan campur tangan manusia. Hasil penelitian ini berupa machine learning model yang mampu mengklasifikasi lalu lintas jaringan normal dan lalu lintas jaringan berbahaya menggunakan algoritma klasifikasi Decision Tree. Hasil performa model ML-Based IDS yang diuji ialah nilai akurasi klasifikasi keseluruhan model adalah 93% terhadap data sampel yang diberikan. | en_US |
