DETEKSI SERANGAN DDoS ATTACK PADA JARINGAN SOFTWARE DEFINED NETWORK MENGGUNAKAN RANDOM FOREST DAN PARTICLE SWARM OPTIMIZATION
Serangan Distributed Denial of Service (DDoS) merupakan ancaman serius terhadap keamanan jaringan yang dapat menyebabkan gangguan signifikan pada sistem dan pelayanan. Pada penelitian ini mengusulkan metode deteksi serangan DDoS pada jaringan Software Defined Network (SDN) menggunakan algoitma Random Forest yang dipadukan dengan Prticle Swarm Optimization (PSO) untuk meningkatkan akurasi deteksi. SDN sebagai arsitektor jaringan yang fleksibel, memungkinkan pengendalian terpusat yang mendukung penerapan teknik deteksi serangan secara efektif.
Penelitian ini dimulai dengan mengumpulkan data trafik jaringan yang mencakup trafik normal dan serangan DDoS. Fitur yang relevan diekstraksi dan diproses untuk membangun model deteksi, Random Forest digunakan untuk mengklasifikasikan trafik jaringan berdasarkan fitur yang diperoleh sementara PSO digunakan untuk mengoptimalkan parameter RAndom Forest yang bertujuan untuk meningkatkan kinerja deteksi.
Hasil uji coba menunjukan bahwa kombinasi Random Forest dan PSO berhasil mencapai akurasi deteksi sebesar 98% dengan presisi sebesar 98 %, recall sebesar 98%, dan F1-Score 98%.
Detail Information
Citation
APA Style
. (2025).DETEKSI SERANGAN DDoS ATTACK PADA JARINGAN SOFTWARE DEFINED NETWORK MENGGUNAKAN RANDOM FOREST DAN PARTICLE SWARM OPTIMIZATION ().Teknik Informatika:FTI
Chicago Style
.DETEKSI SERANGAN DDoS ATTACK PADA JARINGAN SOFTWARE DEFINED NETWORK MENGGUNAKAN RANDOM FOREST DAN PARTICLE SWARM OPTIMIZATION ().Teknik Informatika:FTI,2025.Text
MLA Style
.DETEKSI SERANGAN DDoS ATTACK PADA JARINGAN SOFTWARE DEFINED NETWORK MENGGUNAKAN RANDOM FOREST DAN PARTICLE SWARM OPTIMIZATION ().Teknik Informatika:FTI,2025.Text
Turabian Style
.DETEKSI SERANGAN DDoS ATTACK PADA JARINGAN SOFTWARE DEFINED NETWORK MENGGUNAKAN RANDOM FOREST DAN PARTICLE SWARM OPTIMIZATION ().Teknik Informatika:FTI,2025.Text