Deteksi Serangan DoS pada IoT Berbasis MQTT Menggunakan XGB dan PSO

Abstract

Internet of Things (IoT) merupakan inovasi teknologi yang memungkinkan perangkat fisik saling terhubung dan berkomunikasi melalui jaringan internet untuk bertukar data secara otomatis. Teknologi ini telah banyak diterapkan di berbagai bidang seperti rumah pintar dan sistem keamanan. Namun, seiring meningkatnya jumlah perangkat yang terhubung, risiko terhadap serangan siber juga semakin besar. Salah satu jenis serangan yang umum terjadi adalah Denial of Service (DoS), yaitu upaya membanjiri sistem dengan lalu lintas data berlebih sehingga mengganggu komunikasi antarperangkat. Serangan ini kerap memanfaatkan protokol MQTT, yang populer di lingkungan IoT karena sifatnya yang ringan dan efisien. Penelitian ini bertujuan untuk mendeteksi serangan DoS pada sistem IoT berbasis MQTT dengan mengimplementasikan algoritma Extreme Gradient Boosting (XGBoost) yang dikombinasikan dengan teknik seleksi fitur menggunakan Particle Swarm Optimization (PSO). Data yang digunakan merupakan lalu lintas MQTT hasil simulasi yang dirancang menyerupai kondisi nyata. Model yang dikembangkan mampu mengklasifikasikan data menjadi kategori normal atau serangan. Hasil evaluasi menunjukkan kinerja yang sangat baik, dengan precision berkisar antara 94,44% hingga 96,80%, recall antara 99,63% hingga 99,97%, F1-score antara 96,95% hingga 97,81%, serta akurasi rata-rata mencapai 99,89%. Kontribusi utama penelitian ini adalah integrasi XGBoost dengan PSO pada dataset simulasi nyata berbasis MQTT. Pendekatan ini meningkatkan akurasi sekaligus efisiensi komputasi, sehingga lebih sesuai untuk perangkat IoT yang terbatas sumber daya, serta menegaskan kebaruan dalam menghasilkan sistem deteksi serangan DoS yang akurat, efisien, dan adaptif terhadap kondisi riil jaringan IoT.