<![CDATA[Serangan Distributed Denial of Service (DDoS) merupakan salah satu ancaman keamanan siber yang paling signifikan pada lingkungan Internet of Things (IoT) akibat meningkatnya jumlah perangkat yang saling terhubung dan kompleksitas lalu lintas jaringan. Kondisi tersebut menuntut tersedianya mekanisme deteksi yang tidak hanya memiliki tingkat akurasi yang baik, tetapi juga efisien dan mudah diimplementasikan sebagai media evaluasi sebelum diterapkan pada lingkungan nyata. Penelitian ini bertujuan mengembangkan aplikasi simulasi deteksi serangan DDoS berbasis dataset trafik dengan mengintegrasikan algoritma Random Forest dan optimasi Grey Wolf Optimizer (GWO). Penelitian menggunakan pendekatan rekayasa dengan metode deskriptif-kualitatif dan eksperimen kuantitatif melalui model pengembangan Waterfall. Dataset CICIIOT2025 digunakan sebagai data pelatihan dan pengujian setelah melalui tahapan preprocessing, sedangkan evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score, serta pengujian fungsional aplikasi. Hasil penelitian menunjukkan bahwa optimasi GWO menghasilkan model dengan akurasi sedikit lebih tinggi dibandingkan model Random Forest dasar, sekaligus membentuk arsitektur model yang lebih efisien melalui pengurangan kompleksitas tanpa menurunkan kinerja klasifikasi. Seluruh fitur aplikasi juga berfungsi sesuai kebutuhan sistem dan mampu memvisualisasikan proses deteksi secara interaktif. Dengan demikian, aplikasi yang dikembangkan berpotensi menjadi media pendukung evaluasi dan simulasi deteksi serangan DDoS pada jaringan IoT secara lebih sistematis dan efisien sebelum implementasi pada lingkungan operasional.]]>
Copyrights © 2026
