Sistem Monitoring Real-Time dengan Deteksi Anomali untuk Keamanan Aplikasi Web

Abstract

Pemantauan trafik web sangat penting untuk menjaga keandalan aplikasi web. Meskipun tersedia solusi monitoring mapan seperti ELK Stack, implementasinya sering memerlukan sumber daya komputasi yang besar dan menimbulkan latensi dalam deteksi anomali karena metode pengumpulan data berbasis pull. Penelitian ini bertujuan untuk merancang dan membangun sistem monitoring trafik web real-time yang ringan dan dilengkapi dengan fitur deteksi anomali menggunakan Static Thresholding dengan agregasi berbasis jendela waktu. Kebaruan penelitian ini terletak pada integrasi arsitektur event-driven menggunakan Node.js dan protokol WebSocket (Socket.IO) untuk streaming data berbasis push, dikombinasikan dengan MongoDB untuk penyimpanan log yang efisien dan background worker untuk deteksi anomali secara asinkron. Sistem diimplementasikan pada server dengan spesifikasi 2 CPU Cores, Memori 2 GiB, dan penyimpanan 40GB, menggunakan Nginx sebagai reverse proxy dan PM2 untuk manajemen proses. Evaluasi kinerja dilakukan melalui pengujian fungsional, validasi deteksi anomali, dan stress testing dengan 1.000 koneksi konkuren menggunakan alat wrk. Hasil pengujian menunjukkan bahwa sistem mampu memvisualisasikan metrik trafik dengan latensi monitoring di bawah 200 milidetik dan mencapai akurasi 100% dalam mendeteksi anomali seperti lonjakan trafik (hingga 9.019 req/min) dan tingkat kesalahan tinggi (88,9%). Sistem mengirimkan notifikasi Telegram dalam rentang waktu maksimal 60 detik setelah anomali terdeteksi, memberikan kemampuan peringatan dini bagi administrator sistem dengan konsumsi sumber daya minimal.