Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa TEUB
Kuswardana, Ega Ferdian
Unknown Affiliation
Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS PERFORMANSI ALGORITMA RANDOM FOREST, LOGISTIC REGRESSION, DAN DECISION TREE UNTUK MELAKUKAN KLASIFIKASI SERANGAN SIBER Kuswardana, Ega Ferdian; Setyawan, Raden Arief; Aswin, Muhammad
Jurnal Mahasiswa TEUB Vol. 13 No. 4 (2025)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Intrusion Detection System (IDS) berperanpenting dalam mendeteksi serangan siber, termasukAdvanced Persistent Threat (APT) yang bersifatkompleks dan tersembunyi. Penelitian ini mengusulkanpendekatan klasifikasi berlapis (multilayer classification)yang terdiri dari dua tahap: klasifikasi awal untukmembedakan trafik APT, Non-APT, dan Normal, sertaklasifikasi utama untuk mengidentifikasi jenis serangansecara lebih spesifik. Model dibangun menggunakankombinasi algoritma Random Forest, Decision Tree, danLogistic Regression. Hasil menunjukkan bahwakombinasi Decision Tree dan Random Forest (DT+RF)menghasilkan akurasi terbaik, yaitu 97% untuk dataserangan dan 99% secara keseluruhan. Dibandingkanpenelitian sebelumnya, pendekatan ini menunjukkanpeningkatan nilai precision dan recall pada sebagian besarkategori serangan. Namun, pengujian terhadap data realworld menunjukkan tantangan dalam generalisasi model,menandakan perlunya pengembangan lebih lanjut agarlebih adaptif terhadap kondisi lalu lintas nyata.Kata Kunci— IDS, Advanced Persistent Threat,Multilayer klasifikasi, Random Forest, Decision Tree,real-world data.
Co-Authors Muhammad Aswin Raden Arief Setyawan