<![CDATA[Abstrak : Tingkat penetrasi internet yang semakin meningkat setiap tahunnya juga berpengaruh pada banyaknya peralihan layanan dari konvensional ke platform internet. Peralihan layanan tersebut terbukti membawa dampak baik, seperti meningkatnya volume penjualan produk. Namun, di sisi lain dengan semakin banyaknya peralihan layanan ke platform internet maka semakin banyak pula celah-celah keamanan yang dapat dieksploitasi, salah satunya serangan bot DDos. Oleh karena itu, diperlukan adanya sistem yang mampu mendeteksi serangan bot DDos dan algoritma yang akan dianalisis dalam penelitian ini adalah Decision Tree dan Random Forest. Penelitian ini akan membandingkan kedua algoritma tersebut untuk menentukan algoritma yang paling optimal dalam mendeteksi serangan bot DDos. Penelitian ini menggunakan dua dataset dalam proses implementasi algoritma, yaitu KDD CUP 1999 dan CICIDS 2017. Ruang lingkup dari perbandingan kedua algoritma meliputi tingkat akurasi dan durasi waktu pemrosesan data. Hasil dari penelitian menunjukkan bahwa algoritma Random Forest unggul tipis dalam hal tingkat akurasi dibandingkan dengan Decision Tree, yaitu 0.9998 untuk Random Forest berbanding 0.9997 untuk Decision Tree. Namun, algoritma Decision Tree unggul jauh dalam hal durasi waktu dibandingkan dengan Random Forest, yaitu 20-30 detik untuk Decision Tree berbanding 210-300 detik untuk Random Forest. Hal tersebut dapat terjadi dikarenakan Random Forest memproses lebih banyak pohon kemungkinan dibandingkan Decision Tree.=============================================Abstract : The increasing internet penetration each year also affects the shift of services from conventional methods to internet platforms. This shift has proven to bring positive impacts, such as an increase in product sales volume. However, there are increasingly more security vulnerabilities that can be exploited, such as DDoS bot attacks. Therefore, a system that capable to detect bot DDoS attacks is needed. This study compares these two algorithms (Decision Tree and Random Forest) to determine which is the most optimal for detecting bot DDoS attacks. The scope of the comparison includes accuracy levels and data processing time. The results show that Random Forest slightly outperforms Decision Tree in terms of accuracy, with a score of 0.9998 for Random Forest compared to 0.9997 for Decision Tree. However, Decision Tree is significantly superior in processing time compared to Random Forest (20–30 seconds for Decision Tree versus 210–300 seconds for Random Forest). This occurs because Random Forest processes more trees than Decision Tree. ]]>
Copyrights © 2025
