PENERAPAN SVM UNTUK MITIGASI ANOMALI KOMUNIKASI PADA SISTEM IoT

Abstract

Komunikasi data pada sistem Internet of Things (IoT) sangat rentan terhadap serangan karena terbatasnya protokol keamanan dan sumber daya perangkat. Penelitian ini bertujuan mengembangkan sistem deteksi dini terhadap kerentanan komunikasi IoT menggunakan algoritma Support Vector Machine (SVM) dengan tiga jenis kernel: Linear, Polynomial, dan Radial Basis Function (RBF). Dataset CIC-ToN-IoT digunakan sebagai data uji, dengan proses pra-pemrosesan mencakup normalisasi, ekstraksi fitur, dan Principal Component Analysis (PCA). Evaluasi performa dilakukan berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa SVM kernel polynomial (derajat 2) memberikan performa terbaik dengan recall sempurna dan presisi tinggi, menjadikannya model paling seimbang untuk mendeteksi serangan. Kernel RBF unggul secara matematis berdasarkan nilai AUC tertinggi, sementara kernel linear efisien untuk data yang secara linier dapat dipisahkan. Teknik optimasi parameter menggunakan Grid Search dan Cross-Validation 10-fold berhasil meningkatkan generalisasi model. Temuan ini mendukung penerapan SVM-Polynomial sebagai sistem deteksi intrusi ringan, akurat, dan adaptif untuk arsitektur edge computing pada IoT. Validasi lebih lanjut dengan data streaming dan pemantauan performa waktu nyata direkomendasikan untuk implementasi jangka panjang