<![CDATA[Deteksi anomali pada trafik jaringan terenkripsi merupakan tantangan penting dalam keamanan siber, terutama karena kesulitan dalam menganalisis payload paket. Masalah utama dalam deteksi anomali adalah ketidakseimbangan data antara trafik normal dan anomali, yang dapat mengurangi efektivitas model. Penelitian ini bertujuan untuk meningkatkan deteksi anomali dengan menerapkan teknik Synthetic Minority Over-sampling Technique (SMOTE) untuk menyeimbangkan distribusi data. Metode yang digunakan meliputi penerapan SMOTE pada data trafik jaringan terenkripsi dan pelatihan model klasifikasi menggunakan algoritma Random Forest. Hasil penelitian menunjukkan bahwa penerapan SMOTE berhasil meningkatkan kinerja model, terutama pada metrik recall dan F1-score, yang mengindikasikan peningkatan sensitivitas model dalam mendeteksi anomali. Penelitian ini menegaskan pentingnya penggunaan SMOTE untuk mengatasi masalah ketidakseimbangan data dalam deteksi anomali pada jaringan terenkripsi.]]>
Copyrights © 2026
