Pengembangan Model Hybrid Untuk Deteksi Serangan XSS Menggunakan Algoritma Random Forest dan BERT

Anggaradiva Bendesa (Universitas Pendidikan Ganesha)
Kadek Yota Ernanda Aryanto (Universitas Pendidikan Ganesha)
I Nyoman Saputra Wahyu Wijaya (Universitas Pendidikan Ganesha)

KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063
Vol. 15 No. 2 (2026): [ONGOING] Karmapati Vol 15 No 2 Tahun 2026

Cross-Site Scripting (XSS) merupakan serangan pada aplikasi web yang memanfaatkan kelemahan validasi input untuk menyisipkan skrip berbahaya. Variasi payload seperti event handler, encoding, obfuscation, dan JavaScript URI menyebabkan proses deteksi menjadi lebih kompleks. Penelitian ini bertujuan mengembangkan model hybrid untuk deteksi payload XSS dengan menggabungkan Random Forest dan BERT. Random Forest dilatih menggunakan TF-IDF berbasis karakter dan fitur statistik, sedangkan BERT digunakan melalui proses fine-tuning untuk klasifikasi teks. Model hybrid dibangun dengan menggabungkan skor prediksi dari kedua model. Hasil evaluasi menunjukkan bahwa Random Forest dan BERT memperoleh akurasi sebesar 99,21%, sedangkan model hybrid memperoleh akurasi sebesar 99,28% pada data uji. Hasil ini menunjukkan bahwa pendekatan hybrid dapat digunakan sebagai metode pendukung deteksi payload XSS.