<![CDATA[Ancaman serangan digital yang terus meningkat mendorong kebutuhan akan sistem deteksi intrusi jaringan yang akurat dan efisien. Sistem ini berperan dalam memantau lalu lintas jaringan serta mengidentifikasi aktivitas mencurigakan sebelum berdampak pada infrastruktur. Penelitian ini bertujuan untuk mengevaluasi kinerja metode Support Vector Machine dalam mengklasifikasikan lalu lintas jaringan ke dalam tiga kategori, yaitu Normal, Exploits, dan Generic, menggunakan dataset UNSW-NB15. Tahapan penelitian meliputi preprocessing data, encoding fitur kategorikal, standardisasi fitur numerik, serta pembagian data latih dan data uji. Untuk mengatasi ketidakseimbangan data, dilakukan proses sampling pada setiap kelas. Model dilatih menggunakan kernel Radial Basis Function dengan parameter terbaik yang diperoleh melalui proses optimasi. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi sebesar 95% dengan performa klasifikasi yang baik pada seluruh kategori. Berdasarkan hasil tersebut, metode Support Vector Machine efektif digunakan untuk mendukung sistem deteksi intrusi jaringan dalam mengidentifikasi berbagai jenis serangan secara akurat.]]>
Copyrights © 2026
