Jaringan Sensor Nirkabel (JSN) merupakan jaringan nirkabel yang terbentuk atas kumpulan
sensor (simpul), yang saling berkomunikasi untuk melakukan pengindraan dan kontrol
terhadap lingkungan sekitar. JSN dianggap sebagai sistem kritis karena sering kali menangani
informasi penting. Selain itu, JSN juga biasanya ditempatkan pada tempat ekstrem yang sulit
dijangkau oleh manusia. Hal ini menyebabkan JSN relatif rentan terhadap serangan yang
dilakukan oleh pihak yang tidak bertanggung jawab. Serangan yang paling umum dilakukan
terhadap JSN adalah serangan denial-of-service pada lapisan jaringan. Tipe serangan yang
dapat terjadi antara lain serangan Blackhole, Flooding, Grayhole, dan TDMA. Salah satu solusi
untuk menangani permasalahan ini adalah dengan menggunakan pembelajaran mesin untuk
melakukan deteksi dan klasifikasi terhadap serangan-serangan tersebut. Metode pembelajaran
mesin yang digunakan pada penelitian ini adalah algoritma Random Forest (RF) yang
ditingkatkan menggunakan metode SMOTE (Synthetic Minority Oversampling Technique).
RF adalah algoritma yang menerapkan metode ensemble yang menggunakan decision tree
sebagai basis klasifikasi yang dilakukan. SMOTE digunakan untuk memperbanyak data latih
agar data seimbang sebelum digunakan untuk melatih model pembelajaran mesin
menggunakan RF. Berdasarkan hasil uji coba yang diperoleh, konfigurasi hyperparameter
algoritma RF memberikan pengaruh terhadap model klasifikasi yang terbentuk sesuai dengan
sifatnya masing-masing. Model terbaik dapat melakukan klasifikasi terhadap keempat
serangan denial-of-service dengan nilai akurasi keseluruhan sebesar 99.537%.