Deteksi Anomali Traffic Pada Jaringan Komputer Menggunakan Naive Bayes, Decison Tree Dan Isolation Forest

Abstract

Anomali jaringan komputer adalah pola atau aktivitas yang tidak biasa yang menyimpang dari perilaku normal jaringan. Deteksi anomali sangat penting untuk mengidentifikasi ancaman keamanan, gangguan operasional, atau kegagalan sistem yang mungkin terjadi. Tujuan penelitian ini adalah untuk mengembangkan dan mengevaluasi tiga metode utama untuk mendeteksi anomali dalam trafik jaringan komputer: Naive Bayes, Decision Tree, dan Isolation Forest. Berbasis pada Teorema Bayes, pendekatan naive Bayes memprediksi kemungkinan suatu kejadian berdasarkan data historis. Model berbasis pohon keputusan, decision tree membagi data secara iteratif berdasarkan karakteristik tertentu untuk mengklasifikasikan atau memprediksi hasil. Algoritma Isolasi Hutan adalah algoritma berbasis kelompok yang dimaksudkan untuk mendeteksi anomali dengan cepat dengan mengisolasi data anomali. Fokus utama penelitian ini adalah membandingkan kinerja ketiga metode tersebut dalam mendeteksi anomali trafik jaringan, termasuk kemampuan masing-masing metode untuk menemukan pola tidak normal secara akurat dan efisien. Tujuan dari penelitian ini adalah untuk memberikan pemahaman tentang metode yang paling efektif dalam hal deteksi anomali jaringan, sehingga dapat membantu membangun sistem keamanan jaringan yang lebih andal dan responsif terhadap ancaman.