RANDOM FOREST CLASSIFIER UNTUK MENDETEKSI SERANGAN KEAMANAN SIBER

• SUKRI SYAFRUDIN
• 14002436

---

ABSTRAK

Dalam melihat tren cybersecurity secara global diperlukan data yang memiliki cakupan luas dan tersedia di publik, sehingga dataset publik yang valid akan di gunakan dalam penelitian. penelitian ini menggunakan smote untuk mendapatkan model presisi yang lebih baik. data kelas yang sudah diseimbangkan diuji dengan menggunakan model random forest dengan hyperparameter tuning yaitu gridsearch cross validation. hasil paling baik didapakatkan melalu teknik oversamling smote dan arsitektur random forest, skor akurasi prediksi recall dan f1-score masing masing mendapatkan nilai 0.96 semua nya disimpulkan bahwa variasi teknik smote dalam menangani ketidak seimbangan kelas dan optimasi pada variable model random forest sangat efektif. hal ini didudkung pada tabek lclassifiaction reprort after SMOTE nilai weight average memiliki hasil penguraun yang sama yaitu precision recal f1-score atau 96% nilai support 45863

KATA KUNCI

Data Mining,SMOTE,Algoritma Random Forest

---

DAFTAR PUSTAKA