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%.