[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-125501-id":3,"doc-seo-125501-113":31,"detail-sidebar-cat-0-id-113":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},125501,962084925290,"Ophelia","https://ap-avatar.wpscdn.com/davatar_085a072bc5b1113ac321206ff7593b45",52,"Teknologi","Pengembangan Intrusion Detection System (Ids) Berbasis Machine Learning","Penggunaan internet yang terus meningkat menuntut sistem deteksi serangan yang handal agar penyusup atau cracker dapat teridentifikasi dengan cepat sehingga ancaman cyber dapat dimitigasi secara efektif. Ketika banyak paket data masuk, diperlukan pemisahan paket normal dari paket serangan. Penelitian ini menerapkan Intrusion Detection System (IDS) berbasis deteksi anomali menggunakan Knowledge Discovery in Databases (KDD) dan machine learning pada dataset UNSW-NB15 serta CICIDS2017. Klasifikasi dilakukan dengan J48, naïve bayes, dan AdaBoostM1; seleksi atribut menggunakan CFs-Greedystepwise dan pemrosesan memakai WEKA, dengan akurasi tertinggi J48 99,839%.","InComTech: Jurnal Telekomunikasi dan Komputer  \nvol.13, no.3, Desember 2023, 189-195  \n[http://publikasi.mercubuana.ac.id/index.php/Incomtech](http://publikasi.mercubuana.ac.id/index.php/Incomtech)  \nP-ISSN: 2085-4811 E-ISSN: 2579-6089  \nPengembangan Intrusion Detection System (Ids) Berbasis Machine Learning Ady Suryadi 1*, Marza Ihsan Marzuki 2  \nProgram Studi Magister TeknikElektro, Universitas Mercu Buana Jl. Meruya Selatan, Jakarta 11650, Indonesia [Email : 55419120016@student.mercubuana.ac.id](Email : 55419120016@student.mercubuana.ac.id1)[1](Email : 55419120016@student.mercubuana.ac.id1)*, [marza.ihsan@mercubuana.ac.id](marza.ihsan@mercubuana.ac.id2)[2](marza.ihsan@mercubuana.ac.id2)  \n\n| Abstract:\u003Cbr>Penggunaan internet yang terus meningkat memerlukan sistem deteksi serangan yang handal agar penyusup atau cracker yang hendak melakukan cyberattacks dapatterdeteksi dengan cepat. Mitigasi dan pertahanan dari ancaman serangan cyber menjadi sangat penting mengingatmasyarakat sudah mulai ketergantungan pada teknologi internet yang bisa mengancam setiap saat. Ketika sejumlah besar paket datang, maka perlu dideteksi apakah paket tersebut paket data normal atau paket data serangan. Intrusion Detection System (IDS) dapat digunakan untuk mendeteksi setiap serangan pada jaringan atau sistem informasi. Deteksi anomali adalah jenis IDS yang mendeteksi serangan anomali pada jaringan berdasarkan probabilitas statistik. Pada penelitian ini deteksi serangandilakukan dengan menggunakan metode Knowledge Discovery in Databases (KDD) berbasis machine learning untuk menganalisis serangan berdasarkan 2 (dua) sumber dataset yaitu UNSW-NB15 dan CICIDS2017 . Algoritma J48, naïve bayes dan AdaBoostM1 digunakan untuk melakukan klasifikasi serangan. Pemrosesan data menggunakan tools WEKA. Seleksi jumlah atribut dilakukan menggunakan metode CFs-Greedystepwise untukmemilih atribut yang sangat berpengaruh terhadappendeteksian serangan untuk efisiensi. Hasil pengujian menunjukkan algoritma J48 menghasilkan akurasi tertinggi sebesar 99. 839% .\u003Cbr>This is an open access article under the CC BY-NC license\u003Cbr> | Key Words:\u003Cbr>Data mining;\u003Cbr>Intrusion Detection System; Cyberattacks;\u003Cbr>Algoritma Machine Learning; WEKA;\u003Cbr>Riwayat Artikel:\u003Cbr>Diserahkan 14 Maret, 2022 Direvisi 10 November, 2023 Diterima 10 November, 2023\u003Cbr>DOI:\u003Cbr>10.22441/incomtech.v13i3 .15118 |\n| --- | --- |\n\n1. PENDAHULUAN  \nKeamanan merupakan aspek penting dari masalah internet (terutama jaringan komputer) [1] . Jaringan komputer harus dapat memastikan bahwa informasi atau data pribadi  \ntidak dapat diakses oleh penyusup (attacker)[2], sehingga memberikan rasa aman bagi akses pengguna [3] . Penyusup (attacker) dapat dicegah dengan membangun sebuah intrusion detection system (IDS). Untuk mendeteksi intrusi, sistem komputer atau jaringan harus terusdipantau dan dianalisis untuk kejadian yang dapat mengindikasikan pelanggaran atau upayapelanggaran kebijakan keamanannya, kebijakan penggunaan yang dapat diterima, ataupraktik keamanan normal yang dikenal sebagai deteksi intrusi [4] . Menurut [5],[6],[7] dan [8] Sebagai akibat dari jumlah data yang besar, deteksi anomali atau deteksi seranganmenjadi sulit. Pengembangan aplikasi dan perangkat dipengaruhi oleh jumlah data yang tersedia untuk pengembang. Jumlah data yang dihasilkan karena dapat terhubung ke jaringan sangat besar. Salah satunya adalah kemampuan untuk mengidentifikasi jenis serangantertentu yang sedang terjadi.  \nBrowsing yaitu salah satu tindakan paling umum yang dilakukan orang setiap hari. Akses internet tersedia untuk anak-anak dan orang dewasa, berapa pun usia mereka [9] . Pengguna internet, di sisi lain, tidak menyadari bahwa internet dapat menjadi bahaya jika sistem keamananjaringan diserang  [10] . Sebuah IDS (Intrusion Detection System) diperlukan untukmengawasi lalu lintas jaringan untuk setiap tanda-tanda aktivitas yang tidak biasa. Ketika ada banyak serangan yang masuk, IDS yang tidak dilengkapi dengan machine learning","cbCaiqsV1VX2ZLRs","https://ap.wps.com/l/cbCaiqsV1VX2ZLRs","pdf",591263,3,1,13,"Indonesian","id",113,"# PENDAHULUAN\n## Keamanan jaringan dan kebutuhan IDS\n## Deteksi anomali dan tantangan volume data\n## Kaitan data mining dan penelitian terdahulu\n## Seleksi fitur dan penggunaan WEKA","[{\"question\":\"Mengapa diperlukan Intrusion Detection System (IDS) untuk keamanan jaringan?\",\"answer\":\"IDS diperlukan untuk terus memantau dan menganalisis jaringan agar kejadian yang mengindikasikan pelanggaran kebijakan keamanan atau aktivitas normal dapat dikenali.\"},{\"question\":\"Bagaimana penelitian ini melakukan deteksi serangan?\",\"answer\":\"Deteksi dilakukan dengan pendekatan deteksi anomali menggunakan metode Knowledge Discovery in Databases (KDD) berbasis machine learning untuk menganalisis serangan dari dataset UNSW-NB15 dan CICIDS2017.\"},{\"question\":\"Algoritma mana yang menghasilkan akurasi tertinggi dan berapa nilainya?\",\"answer\":\"Algoritma J48 menghasilkan akurasi tertinggi sebesar 99,839% pada hasil pengujian yang dilaporkan.\"}]","Pengembangan Intrusion Detection System (Ids) Berbasis Machine Learning | PDF",1785899379,20,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"development-of-a-machine-learning-based-intrusion-detection-system-ids","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/id/document/","Document",2,{"item":50,"name":12,"@type":44,"position":20},"https://docshare.wps.com/id/document/teknologi/",{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/id/document/development-of-a-machine-learning-based-intrusion-detection-system-ids/125501/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-15","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Mengapa diperlukan Intrusion Detection System (IDS) untuk keamanan jaringan?","Question",{"text":76,"@type":77},"IDS diperlukan untuk terus memantau dan menganalisis jaringan agar kejadian yang mengindikasikan pelanggaran kebijakan keamanan atau aktivitas normal dapat dikenali.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Bagaimana penelitian ini melakukan deteksi serangan?",{"text":81,"@type":77},"Deteksi dilakukan dengan pendekatan deteksi anomali menggunakan metode Knowledge Discovery in Databases (KDD) berbasis machine learning untuk menganalisis serangan dari dataset UNSW-NB15 dan CICIDS2017.",{"name":83,"@type":74,"acceptedAnswer":84},"Algoritma mana yang menghasilkan akurasi tertinggi dan berapa nilainya?",{"text":85,"@type":77},"Algoritma J48 menghasilkan akurasi tertinggi sebesar 99,839% pada hasil pengujian yang dilaporkan.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,119,123,125,129,133],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},55,"Agama & Spiritualitas",60,"religion-spirituality",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},48,"Cerita & Novel","story-novel",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},56,"Gaya Hidup","lifestyle",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},51,"Komik","comic",{"id":112,"doc_module":4,"doc_module_name":47,"category_name":113,"show_sort_weight":97,"slug":114},53,"Layanan Kesehatan","healthcare",{"id":116,"doc_module":4,"doc_module_name":47,"category_name":117,"show_sort_weight":97,"slug":118},54,"Penelitian & Laporan","research-report",{"id":120,"doc_module":4,"doc_module_name":47,"category_name":121,"show_sort_weight":97,"slug":122},49,"Sastra","literature",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":124},"technology",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},50,"Ujian","exam",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},57,"Umum","general",{"id":134,"doc_module":4,"doc_module_name":47,"category_name":135,"show_sort_weight":4,"slug":136},181,"Formulir","formulir"]