Dalam beberapa tahun terakhir, fenomena anomali trafik pada lalu lintas jaringan komputer menarik banyak perhatian para peneliti. Menurut [1] serangan Distributed Denial of Service (DDoS) adalah jenis serangan yang dapat merugikan trafik jaringan yang sedang digunakan, baik terhadap target serangan maupun seluruh pengguna. Sedangkan peristiwa flashcrowd adalah sebuah lonjakan besar pada lalu lintas jaringan internet karena jumlah user yang mengakses server naik secara signifikan dan menempatkan tekanan berat pada link jaringan yang mengarah ke server.
Pada tugas akhir ini digunakan teknik statistik covariance matric yang tidak mengabaikan fitur satu dengan fitur lainnya, dapat dibuat sistem deteksi anomali dengan mengubah data asli ke ruang fitur covariance. Serangan yang ada ini dapat diklasifikasi dengan menggunakan SVM. Accuracy, detection rate dan false positive rate adalah parameter pengujian yang digunakan dalam penelitian.
Hasil dari penelitian ini, algoritma SVM memiliki performansi nilai rata-rata detection rate dalam mengklasifikasikan data homogen sebesar 99% pada dataset KDDCUP 99 dan akurasi sebesar 90,5%. Untuk data heterogen performansi menurun dengan meningkatnya nilai FPR pada data yg di uji dengan rata-rata 22,6% karena data diberi noise serangan pada proses preprocessing.