Hepra Ovilia

Internet of Things (IoT) telah memberikan kemudahan dalam mengelola perangkat rumah secara otomatis melalui implementasi konsep smarthome. Namun, semakin banyak perangkat yang terhubung dalam jaringan dapat meningkatkan risiko terhadap serangan siber, salah satunya adalah Distributed Denial of Service (DDoS) yang dapat mengganggu ketersediaan layanan. Penelitian ini bertujuan untuk mendeteksi serangan DDoS pada perangkat smarthome menggunakan metode Recurrent Neural Network (RNN), yang dikenal efektif dalam menangani data sekuensial. Dataset yang digunakan berasal dari tim COMNETS Smarthome dalam format .pcap, yang kemudian diekstraksi menjadi format .csv menggunakan CICFlowMeter. Tahapan pemodelan meliputi proses data understanding, feature selection, label encoding, normalisasi, balancing data menggunakan SMOTE, dan pembagian data untuk pelatihan dan pengujian model. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model RNN mampu mendeteksi serangan DDoS dengan akurasi 99,76%, presisi 99,53%, recall 100%, dan F1-score 99,76%, pada skenario split data 80:10:10. Dengan demikian, model RNN efektif dalam mengidentifikasi serangan DDoS pada perangkat smarthome. kata kunci : Internet of Things, Smarthome, DDoS, SNORT, RNN, Deep Learning, Deteksi Serangan