Internet of Things (IoT) merupakan sistem perangkat yang saling berhubungan yang berfungsi untuk memfasilitasi pertukaran informasi antar perangkat fisik. Mengetahui perkembangan IoT saat ini, resiko keamanan dalam IoT akan meningkat. Hal ini membuat semua informasi yang berjalan pada jaringan IoT mudah untuk diketahui oleh orang lain. Resiko keamanan yang dapat terjadi antara lain serangan Man in the middle, Eavesdropping, drive-by, serta malware. Malware sendiri adalah perangkat lunak yang diciptakan untuk menyusup atau merusak sistem komputer atau jejaring komputer tanpa izin pemilik perangkat. Perlunya informasi mengenai jenis serangan apa yang terjadi agar dapat membantu mengenali serangan yang datang. Pada penelitian ini berfokus pada performa dari algoritma decision tree, naïve bayes, dan k-nearest neighbor dalam melakukan olah data. Data yang digunakan adalah BoT-IoT, yang mencakup lalu lintas jaringan IoT dan beberapa jenis serangan. Banyaknya fitur yang terdapat pada dataset membuat hasil olah data tidak maksimal sehingga digunakan metode feature selection untuk memilih fitur. Hasil pengujian menunjukkan bahwa penggunaan feature selection dapat meningkatkan performa sehingga nilai akurasi tinggi. Nilai akurasi tertinggi mencapai 99.89% menggunakan algoritma k-Nearest Neighbor dengan menggunakan metode forward selection.