<![CDATA[Keamanan internet menjadi tantangan penting seiring dengan pertumbuhan layanan teknologi informasi yang semakin pesat. Serangan Distributed Denial of Service (DDoS) merupakan salah satu ancaman serius yang dapat menyebabkan crash pada server dan sistem jaringan dengan cara membanjiri jaringan dengan paket atau permintaan yang berlebihan. Dalam penelitian ini, diterapkan metode seleksi fitur Recursive Feature Elimination (RFE) pada proses klasifikasi serangan DDoS menggunakan algoritma Gradient Boosting. Tujuan Penelitian ini untuk melakukan penerapan algoritma seleksi fitur Reqursive Feature Elimination (RFE) untuk mengurangi jumlah fitur yang ada dalam data. Hasil pengujian menunjukkan bahwa penggunaan Gradient Boosting dengan parameter terbaik menghasilkan kinerja yang sangat baik, dengan akurasi sebesar 99,9%, presisi 99,8%, recall 99,9%, dan nilai F1 sebesar 99,9%. Kombinasi metode Reqursive Feature Elimination (RFE) dengan Gradient Boosting, di mana 10 fitur terbaik dipilih, tidak mempengaruhi hasil kinerja model secara signifikan, tetapi penerapan seleksi fitur ini berhasil mengurangi waktu komputasi secara signifikan dari 5463,24 detik menjadi 1023,19 detik tanpa mengorbankan kinerja model. Hasil ini menunjukkan bahwa metode seleksi fitur yang tepat sangat penting dalam meningkatkan efisiensi komputasi tanpa mengorbankan performa model dalam deteksi serangan DDoS.]]>
Copyrights © 2025
