AZHAR FAH REZKI

Perkembangan Internet of Things (IoT) pada lingkungan smarthome meningkatkan konektivitas perangkat sekaligus memunculkan berbagai ancaman keamanan jaringan. Oleh karena itu, diperlukan sistem deteksi intrusi yang mampu mengidentifikasi serangan secara efektif. Penelitian ini menerapkan arsitektur Transformer berbasis mekanisme self-attention untuk mendeteksi intrusi pada jaringan IoT smarthome menggunakan data trafik berbasis flow. Dataset berasal dari COMNETS Research Group dan diekstraksi menggunakan CICFlowMeter. Tahap praproses meliputi pembersihan data, penyeimbangan kelas menggunakan SMOTE, dan normalisasi menggunakan RobustScaler sebelum dilakukan pelatihan model. Hasil pengujian menunjukkan model memperoleh accuracy 99,49%, precision 100%, recall 99,49%, F1-score 99,74%, dan ROC-AUC 99,95%. Hasil tersebut menunjukkan bahwa Transformer berbasis self-attention mampu mendeteksi intrusi pada jaringan IoT smarthome dengan tingkat akurasi yang sangat tinggi. Kata Kunci: Internet of Things, Smarthome, Intrusion Detection System, Transformer, Self-Attention.