Dalam dunia komputasi awan yang semakin berkembang, ancaman serangan Distributed Denial of Service (DDoS) menjadi isu yang sangat krusial. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan model prediksi serangan DDoS menggunakan algoritma Random Forest dan analisis perilaku jaringan. Dataset CICIDS2017 digunakan sebagai sumber data utama untuk melatih dan menguji model prediksi yang dikembangkan. Pemilihan algoritma Random Forest didasarkan pada kemampuannya yang tinggi dalam menangani data besar dan kompleks serta kemampuannya dalam mengenali pola anomali yang sering menjadi indikasi serangan siber. Hasil pengujian menunjukkan bahwa model ini mencapai akurasi yang signifikan dengan precision sebesar 97,8%, recall sebesar 98,2%, dan F1-score sebesar 98,0%. Analisis perilaku jaringan yang diterapkan, melibatkan fitur-fitur dinamis seperti waktu antar paket (Inter-Arrival Time/IAT), ukuran rata-rata segmen, dan jumlah paket per detik, yang terbukti efektif dalam meningkatkan kemampuan deteksi model. Implementasi model dalam lingkungan komputasi awan menunjukkan bahwa metode ini dapat diintegrasikan dengan sistem deteksi intrusi (Intrusion Detection Systems/IDS) yang sudah ada untuk memberikan lapisan perlindungan tambahan terhadap serangan DDoS. Berdasarkan hasil yang diperoleh, penelitian ini merekomendasikan penggunaan kombinasi algoritma Random Forest dan analisis perilaku jaringan sebagai solusi yang efektif untuk mendeteksi serangan DDoS dalam lingkungan komputasi awan. Penelitian lanjutan disarankan untuk mengembangkan dan menguji model dengan dataset yang lebih beragam serta mengoptimalkan algoritma untuk meningkatkan performa deteksi.
 
Kata kunci: Random Forest, DDoS, Cloud Computing

One of the main challenges faced by workers in the palm oil industry is routine health monitoring. Therefore, innovation is needed in the form of health monitoring tools that can facilitate and increase the efficiency of employee health monitoring. The Internet of Things (IoT) has become an increasingly popular solution to overcome these challenges. The use of this technology is expected to increase employee health resilience, detect potential health problems early, and provide a quick response to health conditions that require medical attention.