EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

MODEL MACHINE LEARNING UNTUK KLASIFIKASI ANOMALI SERANGAN DENIAL OF SERVICE (DOS) PADA INFRASTRUKTUR JARINGAN MENGGUNAKAN DATASET CIC IIOT 2025

Tri Swastiningsih, Rudi Kurniawan, Elmayati Elmayati, Nelly Khairani Daulay

INTECOMS: Journal of Information Technology and Computer Science · 02.11.2026 · 9 (5) · 922-928

DOI: 10.31539/y01jc532 ↗

Kurz gefasst

Fachartikel in der Zeitschrift INTECOMS: Journal of Information Technology and Computer Science, online erschienen am 02.11.2026. Verfasst von Tri Swastiningsih und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Perkembangan Industrial Internet of Things (IIoT) meningkatkan efisiensi sistem industri, namun juga meningkatkan risiko serangan siber, khususnya Denial of Service (DoS) yang dapat mengganggu ketersediaan layanan jaringan. Penelitian ini bertujuan untuk membangun dan mengevaluasi model machine learning dalam mengklasifikasikan anomali serangan DoS pada infrastruktur IIoT menggunakan dataset CIC IIoT 2025. Dataset ini memuat trafik normal (benign) serta berbagai jenis serangan DoS seperti TCP SYN Flood, UDP Flood, ICMP Flood, dan MQTT Publish Flood. Permasalahan ketidakseimbangan data ditangani menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Tiga algoritma supervised learning digunakan, yaitu Random Forest, XGBoost, dan Support Vector Machine (SVM). Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, confusion matrix, ROC-AUC, serta K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa Random Forest dan XGBoost memperoleh akurasi tertinggi sebesar 97%, sedangkan SVM memperoleh akurasi 95%. Secara keseluruhan, menunjukkan performa paling stabil dalam mendeteksi berbagai variasi serangan DoS. Random Forest Penelitian ini berkontribusi dalam pengembangan sistem deteksi intrusi berbasis machine learning untuk meningkatkan keamanan jaringan IIoT. Kata Kunci: IIoT, Denial of Service, Machine Learning, SMOTE.

Zitieren

APA

Swastiningsih, T., Kurniawan, R., Elmayati, E., & Daulay, N. K. (2026). MODEL MACHINE LEARNING UNTUK KLASIFIKASI ANOMALI SERANGAN DENIAL OF SERVICE (DOS) PADA INFRASTRUKTUR JARINGAN MENGGUNAKAN DATASET CIC IIOT 2025. INTECOMS: Journal of Information Technology and Computer Science, 9(5), 922-928. https://doi.org/10.31539/y01jc532

Vancouver

Swastiningsih T, Kurniawan R, Elmayati E, Daulay NK. MODEL MACHINE LEARNING UNTUK KLASIFIKASI ANOMALI SERANGAN DENIAL OF SERVICE (DOS) PADA INFRASTRUKTUR JARINGAN MENGGUNAKAN DATASET CIC IIOT 2025. INTECOMS: Journal of Information Technology and Computer Science. 2026;9(5):922-928. doi:10.31539/y01jc532

BibTeX
@article{Swastiningsih2026,
  author = {Swastiningsih, Tri and Kurniawan, Rudi and Elmayati, Elmayati and Daulay, Nelly Khairani},
  title = {MODEL MACHINE LEARNING UNTUK KLASIFIKASI ANOMALI SERANGAN DENIAL OF SERVICE (DOS) PADA INFRASTRUKTUR JARINGAN MENGGUNAKAN DATASET CIC IIOT 2025},
  journal = {INTECOMS: Journal of Information Technology and Computer Science},
  year = {2026},
  volume = {9},
  number = {5},
  pages = {922--928},
  doi = {10.31539/y01jc532}
}
Kostenlos starten →