Pendeteksian Botnet Berbasis Jaringan dengan K-Nearest Neighbor dan Random Forest.

Abstract

Botnet adalah program bot yang terhubung jaringan. Botnet biasa digunakan untuk tujuan kejahatan seperti mengirim spam, trojan, email phising, mendistribusikan berkas secara ilegal, melakukan click fraud, dan mencuri informasi pribadi. Penelitian ini bertujuan untuk membangun dataset lalu menemukan fitur yang baik dalam mengklasifikasikan antara trafik botnet dan normal dengan pendekatan data mining. Metode yang digunakan dalam pengklasifikasian yaitu KNN dan random forest. Dataset yang dibangun dari akuisisi botnet dan normal sebanyak 883 instances. Penerapan KNN dan random forest dalam mengklasifikasikan lalu lintas botnet dan normal menghasilkan akurasi yang cukup baik dengan akurasi masing-masing 97.50% dan 98.41%. Fitur yang paling baik dalam mengklasifikasikan trafik botnet dan trafik normal yaitu mean byte received, mode byte sent, harmonic mean byte received, dan harmonic mean byte received menurut relevansinya.