IMPLEMENTASI HYBRID MACHINE LEARNING IDPS MENGGUNAKAN ALGORITMA RANDOM FOREST UNTUK DETEKSI SERANGAN PORT SCANNING

Abstract

Keamanan jaringan komputer terus menghadapi berbagai ancaman, salah satunya aktivitas port scanning yang sering digunakan sebagai tahap awal sebelum serangan lanjutan. Permasalahan yang terjadi pada sistem keamanan konvensional adalah keterbatasan dalam mendeteksi serangan secara akurat serta lambatnya proses mitigasi terhadap serangan yang berlangsung secara real-time. Penelitian ini bertujuan untuk mengembangkan sistem Hybrid Intrusion Detection and Prevention System (IDPS) yang mampu mendeteksi sekaligus melakukan tindakan pencegahan secara otomatis. Metode yang digunakan meliputi proses preprocessing dataset CIC-IDS2017, pembangunan model Random Forest sebagai metode klasifikasi, serta integrasi rule-based logic untuk validasi dan pemblokiran IP. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi sebesar 99,60% dengan nilai precision dan recall sebesar 0,98 pada kelas malicious, serta mampu merespons serangan dengan cepat melalui mekanisme pemblokiran otomatis