Implementasi LSTM untuk Deteksi Anomali Trafik Jaringan dalam Upaya Meningkatkan Keamanan

Abstract

Anomali trafik jaringan menjadi indikasi awal berbagai serangan siber seperti Denial of Service (DoS), Distributed Denial of Service (DDoS), probing, serta aktivitas malware yang dapat mengancam kerahasiaan, integritas, dan ketersediaan informasi. Sistem deteksi berbasis aturan dan tanda tangan (signature) konvensional memiliki keterbatasan dalam mengenali pola serangan baru yang belum teridentifikasi, sehingga diperlukan pendekatan yang mampu mempelajari pola normal dan mendeteksi penyimpangan secara adaptif. Penelitian ini bertujuan mengimplementasikan Long Short-Term Memory (LSTM) untuk deteksi anomali trafik jaringan dalam upaya meningkatkan keamanan. LSTM dipilih karena kemampuannya menangkap dependensi temporal jangka panjang pada data sekuensial, sehingga cocok untuk menganalisis aliran trafik yang memiliki pola berulang sekaligus perubahan perilaku yang halus. Metode penelitian meliputi pengumpulan dataset trafik jaringan seperti NSL-KDD, UNSW-NB15, CIC-IDS2017, dan CTU-13, praproses data yang mencakup normalisasi, penanganan nilai hilang, dan penyeimbangan kelas, pembentukan sekuens berbasis sliding window, pelatihan model LSTM baik dalam arsitektur tunggal maupun hybrid (LSTM-Autoencoder, CNN-LSTM, GCN-LSTM), serta evaluasi menggunakan confusion matrix. Pengujian dilakukan untuk mengukur akurasi, presisi, recall, F1-score, dan Area Under Curve (AUC) dalam mengklasifikasikan trafik normal dan anomali. Hasil penelitian menunjukkan bahwa LSTM mampu mencapai akurasi deteksi yang tinggi, dengan berbagai studi melaporkan rentang 93% hingga 99,97% pada dataset benchmark yang berbeda, serta efektif dalam mendeteksi anomali halus yang sering terlewat oleh model statis. Keberhasilan implementasi dipengaruhi oleh arsitektur model, pemilihan fitur, penentuan threshold anomali, dan strategi pelatihan. Dengan demikian, implementasi LSTM untuk deteksi anomali trafik jaringan dapat menjadi solusi yang efektif dan adaptif dalam meningkatkan keamanan informasi serta memperkuat pertahanan siber organisasi.