Denial of Service (DoS) adalah salah satu jenis serangan dimana penyerang menghabiskan sumber daya jaringan komputer. Dampak dari serangan DoS menyebabkan komputer tidak dapat berfungsi dengan normal. Intrusion Detection System (IDS) berperan sebagai pendeteksi berbagai jenis serangan pada jaringan komputer termasuk DoS. IDS mengidentifikasi serangan berdasarkan klasifikasi data jaringan. Klasifikasi data yang banyak menyebabkan waktu build model yang lama dan hasil akurasi rendah. Waktu build model merupakan parameter yang digunakan untuk menghitung waktu yang dibutuhkan untuk membuat sebuah model klasifikasi data latih sedangkan akurasi merupakan parameter yang menilai ketepatan hasil percobaan yang dilakukan terhadap data aktual yang digunakan. Untuk mengatasi permasalahan ini, penelitian ini menggunakan metode Multiple Classifier System (MCS) untuk mendeteksi serangan DoS. Karena pada penelitian sebelumnya klasifikasi MCS menghasilkan waktu build model yang lama maka dalam MCS penelitian ini menggunakan klasifikasi Naive bayes, Decision Tree, K Nearest Neighbor (KNN), dan combiner Majority Voting dengan tujuan mereduksi waktu build model tanpa mempengaruhi tingkat akurasi dan meningkatkan nilai akurasi dari metode MCS. Berdasarkan hasil penelitian yang dilakukan menghasilkan akurasi 98.12% dengan waktu build model 2.07s.