Saat ini, teknologi sudah menjadi kebutuhan manusia. Akibat peningkatan penggunaan internet, banyak paket data yang diteruskan ke lalu lintas jaringan tempat data berkomunikasi antara dua titik akhir (transmisi data). Aktivitas ini harus aman karena informasi pribadi pengguna bersifat rahasia. Jaringan memiliki sistem untuk menganalisis setiap data yang melewati lalu lintas dan mendeteksi data berbahaya, yang disebut Intrusion Detection System (IDS). IDS membutuhkan model deteksi untuk meningkatkan kinerjanya dalam mendeteksi intrusi. Tujuannya adalah untuk mengimplementasikan algoritma XGBoost untuk meningkatkan skor akurasi kinerja IDS menggunakan metode yang diusulkan. Dalam tulisan ini, kami mengusulkan model deteksi menggunakan algoritma XGBoost dan Sequential Feature Selection (SFS) sebagai metode pemilihan fitur. Metode-metode ini telah diuji pada dataset NSL-KDD. Melalui penelitian implementasi model yang diusulkan ini, diperoleh hasil dengan menganalisis metrik evaluasi seperti, akurasi, presisi, recall, dan f1-score. Hasilnya menunjukkan skor akurasi mencapai 99,24%. Dengan kata lain, hasilnya cukup tinggi dibandingkan penelitian sebelumnya. Dengan demikian, metode yang diusulkan dapat digunakan untuk meningkatkan kinerja IDS guna mendeteksi intrusi dan membantu jaringan menjadi lebih aman. Penelitian ini masih memerlukan pengembangan untuk penelitian selanjutnya karena teknologi terus berkembang.