Sistem Deteksi Intrusi merupakan sebuah mekanisme dalam usaha
menyediakan keamanan bagi jaringan komputer. Oleh karena itu diperlukan suatu
cara proses identifikasi serangan dalam usaha menjaga keamanan jaringan.
Algoritma Machine Learning untuk deteksi intrusi jaringan dilakukan, dimana
performa harus berada pada level yang dapat diterima untuk berbagai tipe
serangan pada jaringan. Dari semakin meningkatnya teknologi komputer data
dalam jumlah yang besar dapat dikumpulkan dan disimpan. Akan tetapi data ini
baru berguna jika dianalisa dan depedensi korelasinya ditemukan. Hal ini dapat
dicapai dengan menggunakan klasifikasi yang tepat, perlu diperhatikan metode
klasifikasi yang tepat. Karena adanya pemprosesan data yang besar dan kompleks
serta sifat dinamis dari tipe serangan, metode Data Mining diterapkan dalam
Sistem Deteksi Intrusi dalam jaringan berdasarkan trafik data . Salah satu
algoritma yang diharapkan mampu digunakan dalam proses klasifikasi serangan
ini yakni algoritma Decision tree. Performa dari akurasi diukur dari algoritma
machine learning dengan menggunakan test KDDCUP 1999 intrusi dataset untuk
menemukan klasifikasi serangan. Dalam percobaan ini deteksi intrusi jaringan
dievaluasi performa dengan memanfaatkan benchmark KDDCUP 1999 dari
10000 Training Dataset. Melihat lebih jauh sebuah Decision Tree sebagai model
intrusi. Dan pada akhirnya percobaan dibantu dengan Classifier J48 yang berasal
dari alat perangkat lunak WEKA untuk mendapatkan akurasi dari performa dalam
mencapai deteksi serangan. Dari hasil analisis didapatkan tingkat akurasi dicapai
dengan sangat baik menggunakan algoritma ini dalam proses klasifikasi serangan
dengan tingkat akurasi 99.76 % pada sistem.

Kata kunci : Sistem Deteksi Intrusi, Klasifikasi, Data Mining, Decision Tree,
KDDCUP 1999, Akurasi.