ANALISIS DATA SERANGAN SIBER BERDASARKAN JENIS DAN TARGET SERANGAN MENGGUNAKAN ALGORITMA ENSEMBLE RANDOM FORESTDeva PrawanaPutraauthorDalam ekosistem digital yang semakin rentan terhadap ancaman, kemampuan sistem keamanan untuk membedakan antara aktivitas pengguna yang sah dan upaya serangan siber menjadi sangat krusial. Penelitian ini mengusulkan implementasi algoritma Ensemble Random Forest yang diperkuat dengan teknik optimasi Hyperparameter Tuning berbasis Grid Search untuk membangun sistem deteksi intrusi jaringan yang handal. Studi ini memanfaatkan dataset Cybersecurity Intrusion dengan skenario pengujian yang ketat, membagi data menjadi 80% untuk pelatihan dan 20% untuk validasi. Berdasarkan hasil evaluasi komprehensif, model yang dikembangkan berhasil mencatatkan akurasi global sebesar 89,68%. Indikator kinerja yang paling signifikan adalah tercapainya nilai Precision sebesar 1,00 pada kelas intrusi, yang merefleksikan kemampuan model yang sangat selektif dalam mengisolasi ancaman tanpa menghasilkan alarm palsu (Zero False Positives) yang sering menjadi kendala dalam operasional keamanan. Namun demikian, nilai Recall tercatat sebesar 0,77, yang mengindikasikan bahwa model masih melewatkan sekitar 23% dari total serangan yang ada (False Negative). Selain itu, analisis terhadap fitur dominan mengonfirmasi bahwa frekuensi kegagalan login dan skor reputasi IP adalah variabel kunci dalam mendeteksi anomali. Dengan demikian, penelitian ini menyimpulkan bahwa pendekatan optimasi parameter pada algoritma Random Forest mampu menghasilkan mekanisme pertahanan yang tidak hanya efektif secara statistik, tetapi juga efisien dan stabil untuk diterapkan dalam memitigasi risiko serangan siber.000 Ilmu komputer, informasi dan pekerjaan umum005 Pemrograman komputer, program dan data2026-02-25Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis