M Raykie Alam Ramadan

Serangan Cross-Site Scripting (XSS) merupakan salah satu ancaman keamanan aplikasi web yang paling umum dan berpotensi menimbulkan kerugian serius seperti pencurian data sensitif dan pengambilalihan sesi pengguna. Penelitian ini bertujuan mengidentifikasi karakteristik serangan XSS, membandingkan kinerja tiga algoritma klasifikasi yaitu Support Vector Machine (SVM), Naive Bayes, dan Decision Tree, serta mengintegrasikan hasil deteksi ke dalam kerangka kerja Computer Security Incident Response Team (CSIRT). Fitur diekstraksi menggunakan TF-IDF dikombinasikan dengan query length, dan pengujian dilakukan pada lingkungan simulasi Damn Vulnerable Web Application (DVWA) yang mencakup tiga jenis serangan, yaitu Reflected XSS, Stored XSS, dan DOM-Based XSS. Hasil penelitian menunjukkan SVM sebagai model terbaik dengan akurasi 0,9853, precision 0,9954, recall 0,9827, dan F1-score 0,9890, serta memiliki kemampuan generalisasi yang lebih unggul dibandingkan model lainnya. Model SVM selanjutnya diintegrasikan ke dalam lima tahapan alur CSIRT dan terbukti mampu mendukung penanganan insiden keamanan aplikasi web secara sistematis, cepat, dan akurat.