Perbandingan Algoritma SVM dan Algoritma KNN Dalam Menghasilkan Klasifikasi DDoS dan Benign

Perkembangan teknologi dan internet semakin cepat. Semakin terbukanya pengetahuan hacking dan cracking maka banyak kelompok yang tidak bertanggung jawab mencoba untuk mengambil atau mencuri informasi, salah satu serangan yang dapat dilakukan adalah Distributed Denial of Service (DDoS). Ada beberapa jenis serangan dari DDoS yang sering terjadi seperti UDP Floading, SYN Flooding, Ping of Death, dan Remote Controlled Attack. Serangan DDoS mengakibatkan sistem yang di senrang mengalami ganggungan berupa error request, halt, kegagalan sistem dan sebagainya. Berdasarkan penjelasan diatas, serangan DDoS dan nantinya log serangan akan dikirim kedalam databse untuk proses pengklasifikasian menggunaakan SVM dan KNN dengan tujuan mencegah jika terjadi searangan dan mempermudah proses klasifikasi maupun analisa, dan administarator dapat mengatasinya terhadap serangan terhadap sever tersebut. Penelitian ini telah menghasilkan klasifikasi DDoS dan Benign pada dataset CCIDS menggunakan algoritma SVM dan K-Nearest Nighbor dalam menghasilkan kasifikasi DDoS dan Benign, SVM dengan nilai Accuracy 90,75%, Precision 89,33%, Recall 91,38% dan F1-score 90.27% sedangkan KNN dangan nilai Acucuracy 95,50%, precision 99,12%, Recal 93,84% dan F1-score 96,39%.