<![CDATA[Dengan semakin luasnya penerapan Internet of Things (IoT) di berbagai sektor, termasuk sektor medis dengan teknologi Internet of Medical Things (IoMT), serangan Distributed Denial of Service (DDoS) menjadi ancaman serius bagi keberlangsungan sistem. Penelitian ini membandingkan empat algoritma machine learning Random Forest, LightGBM, Naïve Bayes, dan K-Nearest Neighbors (KNN) untuk mendeteksi serangan DDoS pada IoMT. Evaluasi dilakukan berdasarkan akurasi dan waktu komputasi yang berjalan secara paralel menggunakan pendekatan Weighted Sum Method. Hasil menunjukkan bahwa Random Forest memiliki performa terbaik dengan skor 0.971578, diikuti oleh Naïve Bayes dengan skor 0.961235. Meskipun KNN memiliki akurasi tinggi, algoritma ini kurang efisien secara waktu, sedangkan LightGBM menunjukkan performa terendah dalam hal akurasi dan efisiensi. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem deteksi ancaman siber yang cepat dan akurat pada lingkungan IoMT.]]>
Copyrights © 2025
