Internet of Things (IoT) adalah sistem objek yang terhubung dengan sensor, perangkat lunak, sistem kontrol, dan protokol. Salah satu protokol yang banyak digunakan dalam IoT adalah Message Queue TelemetryTransport (MQTT). Mengingat pengguna perangkat IoT ini dapat mengontrol perangkatnya dari mana saja membuat mereka rentan terhadap berbagai jenis serangan. Distributed Denial of Service (DDoS) adalah vektor serangan umum di IoT. Diantara metode yang dapat diterapkan untuk mengidentifikasi serangan ini adalah machine learning. Dalam penelitian sebelumnya, deteksi DDoS dilakukan dengan menggunakan single SVM. Akurasi dan f1-score yang dihasilkan oleh single SVM ini masih kurang memadai. Penelitian ini menggabungkan SVM dengan machine learning lainnya dalam upaya meningkatkan akurasi dan f1-score dari SVM. Dalam penelitian ini, model semi-supervised DBSCAN dan SVM digunakan. Kami menggunakan tiga dataset pada penelitian ini, yaitu IoTID20, simulasi, dan CICDDOS2018. Model yang diusulkan memiliki kemampuan untuk mendeteksi serangan DDoS dengan akurasi 99,6%, f1-score 99,6%, dan false alarm rate 0,8%.