Intrusion Detection System (IDS) adalah sebuah sistem yang berfungsi untuk mendeteksi setiap aktivitas lalu lintas data yang dianggap sebagai sebuah serangan yang dilakukan oleh seseorang yang tidak memiliki izin (unauthorized) dalam jaringan atau sistem. Pada penelitian ini akan dibuat IDS berdasarkan dataset NSL-KDD dan dataset dari kaggle menggunakan feature selection yang memanfaatkan random forest untuk mereduksi dimensi dari dataset dan menggunakan modifikasi dari Density-Based Spatial Clustering of Applications with Noise atau yang lebih sering dikenal dengan DBSCAN untuk mereduksi jumlah data. Dari penelitian yang dilaksanakan hasil yang didapatkan pada dataset NSL-KDD adalah tingkat akurasi 0.9736 pada algoritma klasifikasi decision tree, 0.9733 pada algoritma klasifikasi k-nearest neighbor dan 0.9799 pada algoritma klasifikasi random forest, dan pada dataset Kaggle adalah tingkat akurasi 0.9766 pada algoritma klasifikasi decision tree, 0.9693 pada algoritma klasifikasi k-nearest neighbor dan 0.9803 pada algoritma klasifikasi random forest.
