Seiring berkembangnya Internet of Things (IoT), serangan TCP FIN Flood mengancam komunikasi dan sumber daya sistem. Penelitian ini menggunakan dataset node_wifi dari COMNETS Research Labs Universitas Sriwijaya dan menerapkan K-Means serta DBSCAN untuk clustering dan deteksi anomali pada lalu lintas jaringan. Visualisasi pola serangan dilakukan dengan Principal Component Analysis (PCA), yang menunjukkan pola lalu lintas menyimpang, dengan cluster terpisah pada K-Means dan titik noise pada DBSCAN. K-Means menghasilkan Silhouette Score 0.8519, namun tidak mendeteksi noise. Sebaliknya, DBSCAN dengan min_samples = 2 dan eps = 10.4621 mendeteksi 4 titik noise dan menghasilkan Calinski-Harabasz Score lebih tinggi (357.67), menunjukkan pemisahan cluster lebih baik. Dengan demikian, DBSCAN lebih efektif dalam mendeteksi serangan tersembunyi pada jaringan IoT.

Kata Kunci : TCP FIN Flood, Internet of Things, Clustering, K-Means, DBSCAN, Principal Component Analysis (PCA), Silhouette Score, Calinski-Harabasz Score

Visualisasi Serangan TCP Fin Flood Pada Jaringan IoT Menggunakan Metode Unsupervised Learning

Creators & Authors