Prediksi Jenis Ancaman Siber Global Menggunakan Algoritma Random Forest

Abstrak

Ancaman siber global terus meningkat seiring dengan transformasi digital yang meluas di berbagai sektor. Penelitian ini bertujuan untuk memprediksi jenis serangan siber berdasarkan data historis global dari tahun 2015 hingga 2024. Data diperoleh dari dataset Global Cybersecurity Threats yang mencakup informasi tentang negara, sektor terdampak, dan jenis serangan. Metode yang digunakan adalah supervised learning dengan algoritma Random Forest, yang dikenal efektif untuk klasifikasi dan analisis variabel kompleks. Hasil penelitian menunjukkan bahwa algoritma ini mampu mengidentifikasi pola serangan dengan akurasi tinggi dan membantu dalam deteksi dini ancaman. Penelitian ini diharapkan dapat berkontribusi pada pengembangan sistem keamanan siber berbasis data dan pemodelan prediktif. Ancaman siber global terus berkembang dengan kompleksitas yang semakin tinggi, seiring dengan meningkatnya ketergantungan masyarakat terhadap sistem digital. Penelitian ini bertujuan untuk menganalisis tren dan memprediksi jenis ancaman siber berdasarkan data historis dari tahun 2015 hingga 2024, yang diperoleh dari dataset Global Cybersecurity Threats. Metode yang digunakan adalah supervised learning dengan algoritma Random Forest, guna mengklasifikasikan jenis serangan dan memprediksi potensi kerugian finansial. Hasil analisis menunjukkan bahwa model dapat mengidentifikasi pola-pola penting yang dapat membantu organisasi dalam mitigasi risiko siber. Penelitian ini memberikan kontribusi dalam pengembangan sistem inteligensi ancaman siber berbasis data

Identifier

• OpenAlex: https://openalex.org/W7167902268
• DOI: https://doi.org/10.30873/jodmapps.v1i2.1144