DETEKSI LRDDOS PADA JARINGAN SD-IOT MENGGUNAKAN MACHINE LEARNING DENGAN FEATURE IMPORTANCE RANDOM FOREST CLASSIFIER

Serangan DDoS (Distributed Denial-of-Service) semakin merusak, menyebabkan penurunan kinerja jaringan, kehilangan data, dan bahkan downtime. Pada Penelitian ini membahas tentang pentingnya deteksi serangan LR-DDoS pada jaringan SD-IoT untuk memastikan keamanan jaringan. Serangan DDoS dapat mengancam keamanan sistem, infrastruktur, dan data, dan dengan meningkatnya penggunaan IoT, serangan terhadap jaringan IoT juga semakin meningkat.
Meskipun ada beberapa metode deteksi yang ada, metode yang dapat bekerja pada jaringan SD-IoT dan memberikan hasil yang akurat masih menjadi tantangan. Oleh karena itu, penelitian ini mengusulkan penggunaan metode Machine Learning dengan metode feature importance RFC untuk deteksi serangan LR-DDoS pada jaringan SD-IoT.
Hasil penelitian menunjukkan bahwa metode yang diusulkan mampu mendeteksi serangan DDoS dengan akurasi tertinggi ada pada paket pengiriman 50pps mencapai 90,36%, untuk terendah pada 20pps dengan tingkat accuracy 90,34% serta rata rata hasilnya dari semua rate adalah 90,35%. Dengan menggunakan 8 algoritma machine learning dan feature importance yang efektif seperti RFC dengan fitur penting, studi ini dapat membantu meningkatkan keamanan jaringan di jaringan SD-IoT dan memberikan perspektif baru pada penggunaan metode pembelajaran mesin untuk memperbaiki keamanan jaringan