Analisis Dan Rancang Bangun Sistem Klasifikasi Dan Seleksi Fitur Menggunakan Random Forest Pada Studi Kasus Intrusi Jaringan

Klasifikasi merupakan sebuah teknik prediksi terhadap data label yang ingin diprediksi. Data yang dimiliki dapat dimanfaatkan dengan pembelajaran mesin untuk dilakukan proses klasifikasi label berdasarkan fitur yang tersedia. Penelitian ini ditujukan untuk mengetahui algoritma terbaik dalam melakukan klasifikasi terhadap data intrusi jaringan. Banyak metode pemilihan fitur yang dapat digunakan, penelitian ini menggunakan random forest sebagai algoritma seleksi fitur dan membandingkan dengan fitur pada penelitian sebelumnya. Dengan melakukan uji coba terhadap banyak algoritma, kemudian didapati bahwa algoritma random forest merupakan algoritma terbaik dalam penelitian ini. Kemudian proses pemilihan fitur dengan menggunakan random forest terbukti dapat meningkatkan akurasi model secara signifikan.