Denial of Service (DoS) adalah 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. Metode Intrusion Detection System (IDS) non-machine learning saat ini tidak terlalu akurat, sehingga diperlukan metode IDS dengan machine learning yang lebih akurat dalam mendeteksi serangan. Untuk mengatasi permasalahan ini, penelitian ini membandingkan metode Naïve Bayes dan Probabilistic Neural Network (PNN) untuk mendeteksi serangan DoS secara optimal. Pada penelitian ini, implementasi menggunakan metode Naïve Bayes dan PNN dalam mendeteksi serangan DoS menggunakan NSL-KDD dataset dengan 13 fitur dari 41 fitur. Hasil dari penelitian ini yaitu Naïve Bayes memiliki akurasi lebih tinggi dengan nilai akurasi 100% daripada PNN yang hanya mempunyai nilai akurasi sebesar 91,93% dalam mendeteksi serangan DoS.
Kata kunci : Keamanan Jaringan Komputer, Naïve Bayes, Probabilistic Neural Network (PNN), Denial of Service.