Deteksi dan Klasifikasi Ancaman pada Log Serangan Siber Menggunakan Algoritma K-Nearest Neighbor (KNN) dan Random Forest (RF)
DOI:
https://doi.org/10.52436/1.jpti.1197Kata Kunci:
Deteksi, Keamanan, K-Nearest Neighbor (KNN), Random Forest (RF), SiberAbstrak
Ancaman siber yang semakin kompleks dan terus berkembang menuntut sistem keamanan yang mampu mendeteksi serangan secara cepat dan akurat. Pesatnya perkembangan serangan siber menuntut sistem deteksi yang cerdas dan adaptif untuk mengamankan jaringan informasi. Penelitian ini bertujuan untuk menerapkan dan mengevaluasi kinerja algoritma K-Nearest Neighbor (KNN) dan Random Forest (RF) dalam mendeteksi serta mengklasifikasikan ancaman berdasarkan log serangan siber. Data yang digunakan diperoleh dari Biro Sistem Informasi Universitas Muhammadiyah Purwokerto, berjumlah 500 entri dengan 25 atribut, yang kemudian diproses melalui tahap pra-pemrosesan seperti parsing, imputasi nilai hilang, dan encoding atribut kategorikal. Model KNN dan RF dibangun dan diuji menggunakan metrik evaluasi akurasi, precision, recall, dan f1-score. Hasil menunjukkan bahwa algoritma RF memiliki kinerja yang lebih unggul dengan akurasi 94,87% dibandingkan KNN yang mencapai 89,32%. Selain itu, RF menunjukkan konsistensi tinggi dalam precision dan recall pada kedua kelas, menjadikannya lebih efektif dalam mendeteksi variasi serangan. Dengan demikian, RF direkomendasikan sebagai algoritma utama dalam pengembangan sistem deteksi ancaman siber berbasis pembelajaran mesin.
Unduhan
Referensi
J. Lee, J. Kim, I. Kim, and K. Han, “Cyber Threat Detection Based on Artificial Neural Networks Using Event Profiles,” IEEE Access, vol. 7, pp. 165607–165626, 2019, doi: 10.1109/ACCESS.2019.2953095.
A. B. Setiawan, “Peningkatan Keamanan Supervisory Control and Data Acquisition (Scada) Pada Smart Grid Sebagai Infrastruktur Kritis,” J. Penelit. Pos dan Inform., vol. 6, no. 1, p. 59, 2016, doi: 10.17933/jppi.2016.060104.
M. K. Hussein, N. Bin Zainal, and A. N. Jaber, “Data security analysis for DDoS defense of cloud based networks,” 2015 IEEE Student Conf. Res. Dev. SCOReD 2015, pp. 305–310, 2015, doi: 10.1109/SCORED.2015.7449345.
N. Anwar and I. Riadi, “Analisis Investigasi Forensik WhatsApp Messanger Smartphone Terhadap WhatsApp Berbasis Web,” J. Ilm. Tek. Elektro Komput. dan Inform., vol. 3, no. 1, p. 1, 2017, doi: 10.26555/jiteki.v3i1.6643.
M. H. Rifai, D. A. Pramudya, and R. R. Narfandi, “Analisis peran teknologi kecerdasan buatan dalam mengoptimalkan proses deteksi terhadap serangan siber,” pp. 495–502, 2024.
Z. Liu, X. Li, and D. Mu, “Intelligent Analysis and Prediction of Computer Network Security Logs Based on Deep Learning,” Electron., vol. 13, no. 22, pp. 1–15, 2024, doi: 10.3390/electronics13224556.
M. P. Aji, “Klasifikasi Tingkat Ancaman Siber menggunakan Pembelajaran Mesin pada Web Application Firewall (WAF) Cyber,” J. Media Pratama, vol. 17, no. 1, pp. 61–73, 2023.
S. N. Adzimi, H. A. Alfasih, F. N. G. Ramadhan, S. N. Neyman, and A. Setiawan, “Implementasi Konfigurasi Firewall dan Sistem Deteksi Intrusi menggunakan Debian,” J. Internet Softw. Eng., vol. 1, no. 4, p. 12, 2024, doi: 10.47134/pjise.v1i4.2681.
D. Ferarizki, Yusra, M. Fikry, F. Yanto, and F. Insani, “Klasifikasi Sentimen Masyarakat di Twitter Terhadap Ancaman Resesi Ekonomi 2023 dengan Metode K-Nearest Neighbor,” J. Ekon. Vol. 18, Nomor 1 Maret201, vol. 2, no. 1, pp. 41–49, 2020.
I. Maulana and Alamsyah, “Optimalisasi Deteksi Serangan DDoS Menggunakan Algoritma Random Forest, SVM, KNN dan MLP pada Jaringan Komputer,” Indones. J. Math. Nat. Sci., vol. 45, no. 1, pp. 1–8, 2022.
Sunaryono, “Penelitian Komparasi Algoritma Klasifikasi,” vol. 1, no. 1, pp. 1–12, 2017.
J. C. W. Chan and D. Paelinckx, “Evaluation of Random Forest and Adaboost tree-based ensemble classification and spectral band selection for ecotope mapping using airborne hyperspectral imagery,” Remote Sens. Environ., vol. 112, no. 6, pp. 2999–3011, 2008, doi: 10.1016/j.rse.2008.02.011.
W. Ghozi, F. A. Rafrastara, R. R. Sani, and U. D. Nuswantoro, “Deteksi Serangan Denial of Service ( DoS ) dan Spoofing pada Internet of Vehicles menggunakan Algoritma K-Nearest Neighbor ( KNN ),” vol. 6, no. 2, 2024.
S. Kurniawan, W. Gata, D. A. Puspitawati, N. -, M. Tabrani, and K. Novel, “Perbandingan Metode Klasifikasi Analisis Sentimen Tokoh Politik Pada Komentar Media Berita Online,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 2, pp. 176–183, 2019, doi: 10.29207/resti.v3i2.935.
N. M. Lutimath, C. Chethan, and B. S. Pol, “Prediction of heart disease using machine learning,” Int. J. Recent Technol. Eng., vol. 8, no. 2 Special Issue 10, pp. 474–477, 2019, doi: 10.35940/ijrte.B1081.0982S1019.
S. Adi and A. Wintarti, “Komparasi Metode Support Vector Machine (Svm), K-Nearest Neighbors (Knn), Dan Random Forest (Rf) Untuk Prediksi Penyakit Gagal Jantung,” MATHunesa J. Ilm. Mat., vol. 10, no. 2, pp. 258–268, 2022, doi: 10.26740/mathunesa.v10n2.p258-268.
M. Putri, “Penerapan K-Optimal pada Algoritma Modified K–Nearest Neighbor (Mk-Nn) untuk Klasifikasi Kelulusan Mahasiswa (Studi Kasus?: Teknik Informatika Uin Suska Riau),” J. Ekon. Vol. 18, Nomor 1 Maret201, vol. 2, no. 1, pp. 41–49, 2020.
F. M. N. Akbar, “Metode KNN (K-Nearest Neighbor) untuk Menentukan Kualitas Air,” J. Tekno Kompak, vol. 18, no. 1, p. 28, 2024, doi: 10.33365/jtk.v18i1.3241.
F. Akbar, S. Achmadi, and A. Mahmudi, “Implementasi Analisis Data Kredit Nasabah Menggunakan Metode K-Nearest Neighbors,” JATI (Jurnal Mhs. Tek. Inform., vol. 4, no. 1, pp. 82–92, 2020, doi: 10.36040/jati.v4i1.2351.
Y. Religia, A. Nugroho, and W. Hadikristanto, “Klasifikasi Analisis Perbandingan Algoritma Optimasi pada Random Forest untuk Klasifikasi Data Bank Marketing,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 187–192, 2021, doi: 10.29207/resti.v5i1.2813.
A. N. Pratiwi and E. Utami, “Prediksi Kinerja Akademik Matematika Siswa berdasarkan Kepribadian Big Five menggunakan Random Forest dengan Teknik Synthetic Minority Over - Sampling Personality Traits using Random Forest with Synthetic Minority Over - Sampling,” vol. 14, pp. 985–1000, 2025.
S. Rahayu, J. J. Purnama, A. B. Pohan, F. S. Nugraha, and S. Nurdiani, “Prediction Of Survival Of Heart Failure Patients Using Random Forest,” J. PILAR Nusa Mandiri, vol. 16, no. 2, pp. 255–260, 2020.
Leny Margaretha Huizen and Roy Rudolf Huizen, “Optimalisasi Keamanan IoT dan Edge Computing Menggunakan Model Machine Learning,” J. Sist. dan Inform., vol. 17, no. 2, pp. 89–94, 2024, doi: 10.30864/jsi.v17i2.543.
M. A. A. R. Asif et al., “Performance evaluation and comparative analysis of different machine learning algorithms in predicting cardiovascular disease,” Eng. Lett., vol. 29, no. 2, pp. 731–741, 2021.
