IDENTIFIKASI ANOMALI KEAMANAN SERVER NGINX MENGGUNAKAN ALGORITMA ISOLATION FOREST

Marak terjadinya serangan siber yang mengancam keamanan data dan sistem
informasi menjadikan keamanan informasi merupakan hal yang perlu diperhatikan.
Web server merupakan salah satu komponen dalam infrastruktur teknologi
informasi, dimana web server berfungsi sebagai pintu gerbang bagi pengguna untuk
mengakses berbagai layanan dan aplikasi secara daring. Dalam upaya peningkatan
keamanan server Nginx, salah satu pendekatan yang dapat digunakan adalah
dengan melakukan analisis terhadap log akses server. Penelitian ini bertujuan untuk
mengaplikasikan algoritma Isolation Forest dalam analisis log akses server Nginx
untuk mengidentifikasi anomali yang berpotensi sebagai ancaman keamanan.
Dengan mengoptimalkan deteksi anomali, diharapkan keamanan server Nginx
dapat ditingkatkan, sehingga dapat meminimalisir risiko serangan dan kerugian
yang diakibatkannya.
Dalam penelitian ini menggunakan metode Isolation Forest untuk melakukan
pendeteksian anomali pada log server nginx. Data yang digunakan adalah data log
server Nginx yang memiliki kode respon selain HTTP 301, kemudian dari data log
tersebut dilakukan proses pendeteksian anomali berdasarkan data country, path dan
size.
Hasil pengujian menunjukkan bahwa algoritma Isolation Forest berhasil
mendeteksi 218 anomali dari 1529 data dan waktu pemrosesan 1 menit 14 detik
serta menunjukkan hasil evaluasi dengan metode K-Fold Cross-Validation nilai F1
Score sebesar 97,8% yang berarti model hampir sempurna dalam mengklasifikasi
data. Implementasi sistem ini dapat meningkatkan efisiensi dan efektivitas dalam
melakukan deteksi terhadap ancaman siber. Pengembangan lebih lanjut dari
penelitian ini diantaranya adalah dapat memanfaatkan sitemap pada sistem
informasi untuk melakukan transformasi data path, selain itu dapat dikembangkan
aplikasi monitoring yang dapat memudahkan pengelola server dalam melakukan
monitoring keamanan server