EUVIMEDEUVIMED entdecken
Systematische ÜbersichtOpen Access · CC BY 4.0

Komparasi Metode Deteksi Intrusi Berbasis Machine Learning untuk Intrusion Detection System: Systematic Literature Review (2020–2025)

Eko Bagus Cahyo Purnomo

KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika · 31.07.2026 · 7 (1) · 175-184

DOI: 10.31284/j.kernel.2026.v7i1.9155 ↗

Kurz gefasst

Systematische Übersicht in der Zeitschrift KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika, online erschienen am 31.07.2026. Verfasst von Eko Bagus Cahyo Purnomo. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Sistem deteksi intrusi (Intrusion Detection System, IDS) berbasis machine learning (ML) dan deep learning (DL) telah menjadi pendekatan dominan untuk mengatasi keterbatasan metode berbasis tanda tangan dalam menghadapi serangan baru dan lalu lintas jaringan yang semakin kompleks. Systematic Literature Review (SLR) ini mengkaji dan membandingkan studi periode 2020–2025 mengenai IDS berbasis ML/DL dengan mengikuti pedoman PRISMA 2020. Fokus kajian mencakup tren penggunaan dataset evaluasi (NSL-KDD, CICIDS2017, CSE-CIC-IDS2018, UNSW-NB15, serta dataset IoT seperti BoT-IoT, ToN_IoT, dan IoTID20), komparasi kategori metode (ML klasik, DL, ensemble/hybrid, dan unsupervised/anomaly detection), serta praktik evaluasi, reprodusibilitas, dan kesiapan operasional. Setelah penyaringan lintas basis data, sebanyak 18 studi primer yang memenuhi kriteria inklusi dianalisis secara komparatif berdasarkan kategori metode dan dataset. Hasil menunjukkan bahwa model supervised (Random Forest/XGBoost, CNN–LSTM, Transformer) kerap mencapai akurasi tinggi pada dataset benchmark, namun generalisasi antardataset dan integritas dataset khususnya CICIDS2017 menjadi isu kunci. Rekomendasi utama meliputi standardisasi protokol evaluasi (split berbasis waktu serta pelaporan FPR/MCC), pelaporan biaya komputasi dan latensi, pengujian lintas dataset, publikasi kode dan pipeline praproses, serta integrasi explainable AI (XAI) untuk akuntabilitas keputusan IDS.

Zitieren

APA

Purnomo, E. B. C. (2026). Komparasi Metode Deteksi Intrusi Berbasis Machine Learning untuk Intrusion Detection System: Systematic Literature Review (2020–2025). KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika, 7(1), 175-184. https://doi.org/10.31284/j.kernel.2026.v7i1.9155

Vancouver

Purnomo EBC. Komparasi Metode Deteksi Intrusi Berbasis Machine Learning untuk Intrusion Detection System: Systematic Literature Review (2020–2025). KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika. 2026;7(1):175-184. doi:10.31284/j.kernel.2026.v7i1.9155

BibTeX
@article{Purnomo2026,
  author = {Purnomo, Eko Bagus Cahyo},
  title = {Komparasi Metode Deteksi Intrusi Berbasis Machine Learning untuk Intrusion Detection System: Systematic Literature Review (2020–2025)},
  journal = {KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika},
  year = {2026},
  volume = {7},
  number = {1},
  pages = {175--184},
  doi = {10.31284/j.kernel.2026.v7i1.9155}
}
Kostenlos starten →