Perbandingan Performa Algoritma Random Tree, K-NN, dan A-NN untuk Deteksi Serangan DDoS pada Software Defined Network (SDN)
Open Access
- 1 June 2025
- journal article
- Published by Universitas Muhammadiyah Bengkulu in JSAI (Journal Scientific and Applied Informatics)
- Vol. 8 (2) , 427-436
Abstract
Software Defined Network (SDN) dengan arsitektur terpusat memiliki kerentanan terhadap serangan Distributed Denial of Service (DDoS) yang dapat menyebabkan kegagalan layanan jaringan secara menyeluruh. Penelitian ini bertujuan untuk membandingkan performa tiga algoritma Machine Learning yaitu K-Nearest Neighbor (K-NN), Artificial Neural Network (ANN), dan Random Tree dalam mendeteksi serangan DDoS pada lingkungan SDN. Dataset DDoS-SDN yang terdiri dari 104.345 baris dan 23 kolom digunakan dengan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC-ROC. Hasil penelitian menunjukkan bahwa A-NN memperoleh performa terbaik dengan akurasi 96,85%, presisi 94,35%, recall 97,79%, F1-score 96,04%, dan AUC 0,994, diikuti oleh K-NN dengan akurasi 88,89% dan Random Tree dengan akurasi terendah 86,49%. Keunggulan A-NN disebabkan oleh kemampuannya menangkap pola non-linear kompleks, melakukan ekstraksi fitur otomatis, dan beradaptasi terhadap heterogenitas data dari 22 fitur yang digunakan. Temuan ini menunjukkan bahwa A-NN merupakan pilihan optimal untuk implementasi sistem deteksi serangan DDoS real-time dalam lingkungan SDN, memberikan dasar yang kuat untuk pengembangan sistem keamanan jaringan berbasis pembelajaran mesin yang cerdas dan adaptif.Keywords
This publication has 14 references indexed in Scilit:
- Optimizing DDoS Detection in SDNs Through Machine Learning Models2024
- DDoS Attack Detection with Machine LearningJournal of Informatics and Web Engineering, 2024
- Deteksi Serangan DDOS Pada Jaringan SDN dengan Metode Random ForestJURNAL MEDIA INFORMATIKA BUDIDARMA, 2024
- Detection of DDoS Attacks in Software Defined Networking Using Machine Learning Models2023
- Performance Analysis Between EOTI-K-Means++, EOTI, and KNN for Brute Force Detection System2022
- IMPLEMENTATION OF JOHNSON'S SHORTEST PATH ALGORITHM FOR ROUTE DISCOVERY MECHANISM ON SOFTWARE DEFINED NETWORKJUTI: Jurnal Ilmiah Teknologi Informasi, 2021
- A DDoS attack detection method based on SVM and K-nearest neighbour in SDN environmentInternational Journal of Computational Science and Engineering, 2020
- DDoS Attack Detection Method Based on Improved KNN With the Degree of DDoS Attack in Software-Defined NetworksIEEE Access, 2019
- The Precision-Recall Plot Is More Informative than the ROC Plot When Evaluating Binary Classifiers on Imbalanced DatasetsPLOS ONE, 2015
- An introduction to ROC analysisPattern Recognition Letters, 2006