Perbandingan Kinerja Algoritma Random Forest dan CatBoost dalam Deteksi Serangan DDoS Menggunakan Dataset CIC-DDoS2019

Allegra Hanverloy Shindoro, Ezekiel Christoforus (2025) Perbandingan Kinerja Algoritma Random Forest dan CatBoost dalam Deteksi Serangan DDoS Menggunakan Dataset CIC-DDoS2019. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (315kB)
	PDF BAB_II.pdf Download (853kB)
	PDF BAB_III.pdf Download (273kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (204kB)
	PDF DAFTAR_PUSTAKA.pdf Download (215kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (554kB)

Abstract

Serangan Distributed Denial of Service (DDoS) merupakan ancaman serius bagi infrastruktur jaringan enterprise. Penelitian ini membandingkan kinerja algoritma Random Forest dan CatBoost dalam mendeteksi serangan DDoS menggunakan dataset CIC-DDoS2019. Dataset yang digunakan terdiri dari enam kelas, yaitu BENIGN, LDAP, MSSQL, NetBIOS, Portmap, dan SYN, masing-masing berjumlah 200 sampel. Evaluasi dilakukan berdasarkan metrik precision, recall, f1- score, dan waktu pelatihan. Hasil penelitian menunjukkan bahwa Random Forest unggul dalam efisiensi pelatihan dan stabilitas klasifikasi, terutama pada label BENIGN dan SYN. Di sisi lain, CatBoost memperoleh skor rata-rata lebih tinggi melalui validasi silang 5-fold, yang mengindikasikan kemampuan generalisasi yang lebih baik. Dengan demikian, CatBoost lebih cocok untuk deteksi multikelas yang akurat, sedangkan Random Forest lebih efisien digunakan dalam kondisi yang memprioritaskan kecepatan komputasi.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Allegra Hanverloy Shindoro, Ezekiel Christoforus (00000057001)
Contributors:	Permana, Angga Aditya
Keywords:	CatBoost, DDoS, Deteksi Intrusi, Random Forest, Trafik Jaringan
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 06:35
URI:	https://kc.umn.ac.id/id/eprint/40123

Actions (login required)

View Item