Serangan jaringan merupakan sebuah ancaman serius
yang dalam beberapa waktu terakhir terus meningkat cukup signifikan. Sistem deteksi
intrusi memiliki peran yang krusial dalam menghadapi serangan semacam itu. Lebih
lanjutnya, proses deteksi intrusi dalam sistem tersebut dapat dilakukan untuk memantau
dan mengidentifikasi serangan jaringan yang masuk. Penelitian-penelitian
sebelumnya menggunakan berbagai metode untuk diterapkan dalam proses deteksi
intrusi, mulai dari machine learning hingga deep learning.
Beberapa metode pada penelitian rujukan pun masih menghasilkan kinerja yang
kurang optimal walaupun dengan studi kasus yang sama, terutama pada akurasi
metode dalam mengklasifikasikan serangan. Oleh karena itu, penelitian mengusulkan
sebuah metode deteksi intrusi menggunakan Random Forest yang
dikombinasikan dengan Forward Selection dan Algoritma Genetika untuk
mengidentifikasi serangan DoS dan DDoS dalam dataset CSE-CIC-IDS2018.
Penelitian ini mengimplementasikan Random Forest sebagai metode
klasifikasi, dengan penambahan Forward Selection dan Algoritma Genetika.
Hasil penelitian menunjukkan bahwa
metode yang diusulkan dapat memberikan pengaruh dalam
mendeteksi serangan, dimana performa yang diperoleh untuk akurasi dan F1-Score
sama-sama mencapai 99,976%.
