Abstrak

Penelitian ini membahas deteksi serangan Denial of Service (DoS) jenis SYN-Flood pada jaringan virtual menggunakan algoritma Random Forest. Permasalahan yang diangkat adalah serangan SYN-Flood dapat membebani server melalui pengiriman paket SYN dalam jumlah besar sehingga layanan sulit diakses oleh pengguna yang sah. Tujuan penelitian ini adalah membangun dan mengevaluasi model klasifikasi untuk membedakan trafik normal dan trafik serangan berdasarkan karakteristik paket jaringan. Metode penelitian meliputi perancangan jaringan virtual, simulasi trafik normal dan serangan, capture paket menggunakan tcpdump, konversi file pcap ke CSV, pengolahan dataset, pelatihan model Random Forest menggunakan Python dan Scikit-learn, serta evaluasi menggunakan confusion matrix, akurasi, presisi, recall, F1-score, cross validation, dan feature importance. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 99,99%, dengan 18.902 dari 18.904 data uji terklasifikasi dengan benar. Hasil deteksi kemudian divisualisasikan melalui aplikasi web berbasis Streamlit yang dapat diakses melalui tautan [Aplikasi Deteksi SYN-Flood](https://app-deteksi-synflood-pi-jw75hh7qvnjwqhwbm6quhz.streamlit.app/). Dengan demikian, Random Forest mampu mendeteksi pola serangan SYN-Flood secara efektif pada lingkungan pengujian terkontrol.