Implementasi Sistem Deteksi Serangan Port Scanning pada Jaringan Komputer Dengan Pendekatan XGboost
DOI:
https://doi.org/10.57235/jetish.v5i2.8745Keywords:
Intrusion Detection, Machine Learning, Network Security, Port Scanning, XGBoostAbstract
Serangan Port Scanning merupakan salah satu tahapan awal yang umum dilakukan oleh penyerang untuk mengidentifikasi layanan dan celah keamanan pada suatu sistem jaringan. Oleh karena itu, diperlukan mekanisme deteksi yang mampu mengenali aktivitas tersebut secara cepat dan akurat. Penelitian ini bertujuan mengimplementasikan dan mengevaluasi sistem deteksi serangan Port Scanning menggunakan algoritma Extreme Gradient Boosting (XGBoost). Dataset yang digunakan adalah CIC-IDS2017, khususnya berkas Friday-WorkingHours-Afternoon-PortScan.pcap_ISCX. Tahapan penelitian meliputi seleksi fitur bertahap, Exploratory Data Analysis (EDA), preprocessing, serta pelatihan dan evaluasi model menggunakan metode Stratified 5-Fold Cross-Validation. Proses seleksi fitur berhasil mereduksi 85 fitur awal menjadi 8 fitur prediktif utama. Setelah penghapusan data duplikat, dataset terdiri atas 110.364 observasi unik dengan rasio ketidakseimbangan kelas sekitar 66:1. Hasil pengujian menunjukkan bahwa model XGBoost mencapai akurasi sebesar 99,89%, precision 94,00%, recall 99,27%, dan F1-score 96,56% untuk kelas PortScan. Analisis learning curve menunjukkan kemampuan generalisasi yang baik tanpa indikasi overfitting yang signifikan. Selain itu, analisis eXplainable AI menggunakan SHAP mengidentifikasi bahwa fitur Total Length of Fwd Packets, PSH Flag Count, dan Fwd Packet Length Min merupakan faktor yang paling berpengaruh dalam proses klasifikasi. Hasil penelitian menunjukkan bahwa pendekatan XGBoost efektif dalam mendeteksi serangan Port Scanning dengan tingkat akurasi tinggi serta mampu memberikan interpretasi terhadap proses pengambilan keputusan model.
Downloads
References
A. M. A. Rudianto, E. S. Pramukantoro, & D. Kurnianingtyas. (2025). Implementasi Sistem Deteksi Anomali pada Jaringan Komputer dengan Pendekatan XGBoost dan Data SNMP. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 9(2).
A. Nugroho, B. Nugroho, & S. Prasetyo. (2023). Perbandingan Algoritma Naive Bayes, Decision Tree, dan XGBoost dalam Deteksi Intrusi Jaringan. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 7(1), 42–50.
D. Kiswanto, F. Ramadhani, N. M. Surbakti, & N. A. Nasution. (2025). Pengembangan dan Implementasi Sistem Deteksi Serangan DDoS Berbasis Algoritma Random Forest. Bulletin of Information Technology (BIT), 6(3), 247–256.
D. S. Utomo, & M. Lestari. (2024). Deteksi Serangan Jaringan Menggunakan Algoritma XGBoost dengan Oversampling SMOTE. Jurnal Teknologi Dan Sistem Komputer, 12(2), 155–162.
E. Kristianto, A. A. Waskita, & T. Thoyyibah. (2024). Analisis Kinerja Sistem Deteksi Intrusi Jaringan Internet of Things Berbasis Metode Ensemble. Jurnal Ilmu Komputer, 2(2), 251–260.
F. Riza. (2023). Sistem Deteksi Intrusi pada Server secara Realtime Menggunakan Seleksi Fitur dan Firebase Cloud Messaging. Jurnal Sistim Informasi Dan Teknologi, 5(1), 7–15.
G. Pradita, & A. Pramono. (2024). Implementasi Monitoring Keamanan Jaringan pada Server Ubuntu Menggunakan Snort Intrusion Detection Prevention System (IDPS) dan Telegram Bot sebagai Media Notifikasi di PT SS Utama. JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 5827–5835.
I. M. Razzanda, & M. Koprawi. (2024). Implementasi IDS dan IPS terhadap Serangan TCP Port Scanning dan ICMP Flooding. The Indonesian Journal of Computer Science, 13(4).
M. G. A. Rianto, A. L. Prasasti, & A. Novianty. (2024). Implementasi Model XGBoost untuk Prediksi Jumlah Transaksi dan Total Pendapatan di Jaringan Restoran CV Balibul. Jurnal Nasional SAINS Dan TEKNIK, 2(2), 43–46.
M. Hernowo, & E. Sugiharti. (2024). XGBoost Algorithm on Intrusion Detection System in Detecting Network Intrusions. INNOVATIVE: Journal of Social Science Research, 4(1), 10572–10588.
M. R. Rusydianto, E. Budiman, & H. J. Setyadi. (2023). Implementasi Teknik Hacking Web Server dengan Port Scanning dalam Sistem Operasi Kali Linux. Prosiding Seminar Nasional Ilmu Komputer Dan Teknologi Informasi.
M. Z. Rifqi, M. Syahroni, & Misriana. (2021). Implementasi Sistem Keamanan Jaringan pada Mikrotik RB-951 Menggunakan Metode Port Knocking. Jurnal TEKTRO, 5(2), 165–170.
Nuroji. (2023). Penerapan Intrusion Detection and Prevention System (IDPS) pada Jaringan Komputer sebagai Pencegahan Serangan Port-Scanning. Journal of Data Science and Information System (DIMIS), 1(2), 41–49.
R. Yunanto, & U. Budiyanto. (2024). Implementasi XGBoost dan SMOTE untuk Meningkatkan Deteksi Transaksi Fraud di Industri Jasa Keuangan. Jurnal Pendidikan Dan Teknologi Indonesia (JPTI), 4(11), 525–535.
S. E. H. Yulianti, O. Soesanto, & Y. Sukmawaty. (2022). Penerapan Metode Extreme Gradient Boosting (XGBOOST) pada Klasifikasi Nasabah Kartu Kredit. Journal of Mathematics: Theory and Applications (JOMTA), 4(1), 20–21.
T. R. Karin, R. R. Sani, F. A. Zami, & A. Rohmani. (2024). Enhancing Bank Customer Protection Against Phishing Attacks Through XGBoost-Based Feature Analysis. TRANSMISI: Jurnal Ilmiah Teknik Elektro, 26(3), 114–121.
Downloads
Published
Issue
Section
Citation Check
License
Copyright (c) 2026 Felix John Pardamean Hutabarat, Dedy Kiswanto, Tegas Ramadhan, Muhammad Dzaki Arjun
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Authors are copyright holders and maintain author rights in accordance with the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) or comparable license. While holding these rights, authors grant the JETISH: Journal of Education Technology Information Social Sciences and Health (publisher of JETISH) a non-exclusive right to the first publication of their articles, including abstracts. This enables us to ensure full copyright protection and to disseminate the article to the widest possible readership in electronic format. Authors are themselves responsible for obtaining permission to reproduce copyright material from other sources.
