ANALISIS KLASIFIKASI BOTNET MENGGUNAKAN DATA PAKET JARINGAN DENGAN MODEL DECISION TREE
STUDI KASUS DATASET CTU-13
ABSTRAK

Peningkatan kejahatan di era cyber memerlukan perhatian yang serius. Penanganan diperlukan untuk menghindari adanya permasalahan yang lebih parah. Salah satu ancaman yang cukup berbahaya adalah serangan Botnet. Botnet dapat menyebabkan aktivitas berbahaya seperti pencurian identitas, pencurian data rahasia, aktivitas spamming hingga aktivitas Denial of Service Attack (DoS). Beberapa model deteksi telah dikenalkan pada penelitian sebelumnya, namun memerlukan pemodelan yang tepat untuk menghasilkan deteksi yang akurat. Salah satu cara yang dapat dilakukan adalah menggunakan pendekatan klasifikasi berbasis machine learning. Pada penelitian ini dilakukan pengembangan model deteksi aktivitas Botnet dengan menggunakan model klasifikasi Decision Tree untuk mendeteksi aktivitas serangan Botnet. Pengujian dilakukan dengan menggunakan dataset publik yaitu Dataset CTU-13. Pengujian skenario dataset dilakukan pada 13 skenario berdasarkan karakteristik di setiap skenario dataset CTU. Hasil pengembangan dari model yang diusulkan menunjukkan bahwa model mampu mendeteksi serangan botnet di setiap skenario dengan hasil rerata True Positive 99.0289% dan False Positive 1.3197%. Hasil evaluasi performa dari model yang diusulkan menunjukkan hasil akurasi deteksi sebesar 99.94959% presisi 98.76312% dan recall 99.02892%. Model yang diusulkan mampu digunakan sebagai dasar pengembangan model deteksi sistem deteksi intrusi yang dikenal dengan nama Intrusion Detection System (IDS).

Kata Kunci: Botnet, Bot activity, Intrusion Detection System, Network Security.