EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

OPTIMASI HYPERPARAMETER XGBOOST UNTUK KLASIFIKASI INTRUSI MULTI-KELAS BERDASARKAN KINERJA PREDIKTIF DAN EFISIENSI KOMPUTASI

Willy Permana Putra, Muhammad Edi Iswanto, Ihsan Doni Irawan, Renol Burjulius, A Sumarudin, Arif Maulana Yusuf

Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 10.07.2026 · 11 (2) · 2664-2677

DOI: 10.36341/rabit.v11i2.7870 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 10.07.2026. Verfasst von Willy Permana Putra und 5 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Peningkatan serangan jaringan mendorong kebutuhan model deteksi intrusi yang tidak hanya akurat, tetapi juga efisien dari sisi waktu, energi, dan emisi karbon. Penelitian ini mengevaluasi XGBoost baseline dan empat pendekatan optimasi hyperparameter, yaitu Tree-structured Parzen Estimator (TPE), Asynchronous Successive Halving Algorithm (ASHA), Hyperband, dan Particle Swarm Optimization (PSO) untuk klasifikasi intrusi multi-kelas pada dataset CICIDS2017 subset Wednesday-workingHours. Evaluasi dilakukan menggunakan metrik kinerja prediktif, yaitu accuracy, recall macro, F1 macro, precision macro, dan AUC one-vs-rest, serta metrik keberlanjutan komputasi berupa CO2, konsumsi energi, waktu eksekusi, dan rincian energi CPU/RAM/GPU. Hasil menunjukkan bahwa XGBoost+TPE menghasilkan kinerja prediktif tertinggi dengan accuracy 0,9995 dan F1 macro 0,9959, tetapi waktu eksekusinya meningkat menjadi 13,04 detik. Sebaliknya, XGBoost+Hyperband mempertahankan accuracy 0,9994 dan F1 macro 0,9957, sekaligus menurunkan CO2 sebesar 56,50%, energi sebesar 56,54%, dan waktu sebesar 49,60% dibandingkan baseline. Temuan ini menunjukkan bahwa Hyperband merupakan konfigurasi paling seimbang untuk skenario deteksi intrusi yang memperhatikan akurasi tinggi dan efisiensi komputasi.

Zitieren

APA

Putra, W. P., Iswanto, M. E., Irawan, I. D., Burjulius, R., Sumarudin, A., & Yusuf, A. M. (2026). OPTIMASI HYPERPARAMETER XGBOOST UNTUK KLASIFIKASI INTRUSI MULTI-KELAS BERDASARKAN KINERJA PREDIKTIF DAN EFISIENSI KOMPUTASI. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 2664-2677. https://doi.org/10.36341/rabit.v11i2.7870

Vancouver

Putra WP, Iswanto ME, Irawan ID, Burjulius R, Sumarudin A, Yusuf AM. OPTIMASI HYPERPARAMETER XGBOOST UNTUK KLASIFIKASI INTRUSI MULTI-KELAS BERDASARKAN KINERJA PREDIKTIF DAN EFISIENSI KOMPUTASI. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):2664-2677. doi:10.36341/rabit.v11i2.7870

BibTeX
@article{Putra2026,
  author = {Putra, Willy Permana and Iswanto, Muhammad Edi and Irawan, Ihsan Doni and Burjulius, Renol and Sumarudin, A and Yusuf, Arif Maulana},
  title = {OPTIMASI HYPERPARAMETER XGBOOST UNTUK KLASIFIKASI INTRUSI MULTI-KELAS BERDASARKAN KINERJA PREDIKTIF DAN EFISIENSI KOMPUTASI},
  journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
  year = {2026},
  volume = {11},
  number = {2},
  pages = {2664--2677},
  doi = {10.36341/rabit.v11i2.7870}
}
Kostenlos starten →