Muhammad Rizki Febrian

Perkembangan Cyber-Physical System (CPS) telah meningkatkan efisiensi operasional di berbagai sektor kritis, namun juga memperluas permukaan serangan siber, khususnya serangan Man-in-the-Middle (MITM) yang memungkinkan penyerang menyusup dan memanipulasi jalur komunikasi secara tersembunyi. Pada lingkungan CPS, serangan MITM berpotensi mengganggu keandalan sistem dan keselamatan operasional, sehingga diperlukan mekanisme keamanan yang mampu melakukan deteksi sekaligus respons otomatis. Penelitian ini mengusulkan pembangunan Intrusion Response System (IRS) untuk mendeteksi dan memitigasi serangan MITM DNAT Hijacking dengan memanfaatkan algoritma Random Forest sebagai model klasifikasi. Data lalu lintas jaringan dikumpulkan pada skenario normal dan serangan, diekstraksi menjadi data berbasis flow menggunakan CICFlowMeter, serta diproses melalui tahapan pelabelan, seleksi fitur, pembagian data latih dan uji, dan penyeimbangan kelas. Model Random Forest kemudian diintegrasikan ke dalam IRS untuk memungkinkan respons real-time berupa pemblokiran otomatis alamat IP penyerang. Hasil evaluasi menunjukkan bahwa sistem yang diusulkan mencapai nilai akurasi sebesar 0,868, precision 1,000, recall 0,827, dan F1-score 0,905, dengan rata-rata response time sebesar 43,57 ms per flow, nilai resilience 0,8397 berdasarkan K-Fold Cross Validation, serta latensi inferensi yang konsisten yang mengindikasikan kestabilan sistem. Secara keseluruhan, hasil ini menunjukkan bahwa IRS berbasis Random Forest mampu memberikan deteksi yang akurat, resilien, dan responsif dalam memitigasi serangan MITM pada lingkungan CPS.