<![CDATA[Pada era digital yang semakin kompleks,serangan siber jenis Distributed Denial of Service (DDoS) telahmenjadi ancaman serius bagi keamanan jaringan, karenamampu melumpuhkan sistem dan layanan dengan membanjiritarget menggunakan lalu lintas data yang berlebihan. Penelitianini mengusulkan sistem deteksi serangan DDoS inovatif yangmenggabungkan kekuatan jaringan yang terdefinisi perangkatlunak (Software-Defined Network/SDN) dengan algoritmapembelajaran mesin Random Forest. Data lalu lintas dianalisisuntuk menghasilkan fitur-fitur seperti jumlah paket, waktuantar paket, dan ukuran rata-rata paket. Fitur-fitur inidigunakan karena dikenal memiliki kemampuan diskriminatiftinggi dalam mendeteksi pola anomali. Selanjutnya, model yangtelah dilatih diintegrasikan ke dalam kontroler SDN, sepertiRyu Controller, sehingga mampu mendeteksi pola lalu lintasmencurigakan secara cepat dan akurat. sistem ini menunjukkanefektivitasnya dengan tingkat akurasi deteksi sebesar 88%.Hasil ini menunjukkan bahwa kombinasi teknologi SDN danRandom Forest memberikan solusi yang andal dalammelindungi infrastruktur digital dari serangan DDoS, sehinggadapat mencegah kerusakan signifikan pada sistem jaringan.Kata kunci— Software Defined Network (SDN), DistributedDenial of Service (DDoS), Random Forest.]]>
Copyrights © 2025
