<![CDATA[Open Journal Systems (OJS) digunakan untuk mengelola proses editorial dan penerbitan jurnal ilmiah yang melibatkan data pengguna, naskah, serta aktivitas administratif. Hal ini memerlukan pemantauan keamanan agar serangan terdeteksi lebih awal, tanpa bergantung pada pemeriksaan log secara manual. Oleh karena itu, penelitian ini mengimplementasikan prototipe Host‐Based Intrusion Detection System (HIDS) berbasis access log Nginx pada OJS. Prototipe bekerja dengan membaca log web server, mengekstraksi fitur klasifikasi, melakukan klasifikasi berdasarkan model yang sudah dilatih, serta menampilkan hasil klasifikasi serangan atau normal. Model klasifikasi dibangun dari tahap pembuatan Dataset yang dibangun dari simulasi aktivitas normal dan serangan terkontrol, meliputi Cross‐Site Request Forgery (CSRF), PHP Object Injection (POI), Remote Code Execution (RCE), dan Cross‐Site Scripting (XSS). Pemilihan model dilakukan dengan membandingkan tujuh algoritma, yaitu Logistic Regression, LinearSVC, Random Forest, Stochastic Gradient Descent (SGD), Decision Tree, Multinomial Naive Bayes, dan K-Nearest Neighbors. Logistic Regression dipilih karena waktu klasifikasinya lebih stabil. Evaluasi model pada data pengujian menghasilkan akurasi 0,9843 dan Macro F1 0,9555. Pada pengujian fungsional, IDS mendeteksi 100% serangan dengan rata‐rata waktu klasifikasi 37,227–44,617 ms. Pada pengujian skalabilitas menggunakan ApacheBench dan sebuah serangan POI, IDS berhasil mendeteksi 100% serangan dengan rentang waktu deteksi 285,604–383,756 ms.]]>
Copyrights © 2026
