Intrusion Detection System dapat mengetahui serangan dengan cara mengamati lalu lintas proses yang terjadi dalam jaringan. Dalam pendeteksian sebuah serangan terdapat banyak dimensi yang mempengaruhi, seperti dalam dataset KDD Cup 1999 yang memiliki 41 fitur. Memiliki banyak fitur dapat menyebabkan cursed of dimensionality yang bisa dihindari dengan penggunaan seleksi fitur. Seleksi fitur dapat dilakukan dengan menggunakan metode filter, yaitu perangkingan fitur. Untuk mendapatkan hasil yang baik dari seleksi fitur pada Intrusion Detection System, dalam penelitian ini menggunakan kombinasi dari beberapa perangkingan fitur serta K-Means. Perangkingan fitur yang digunakan adalah Information Gain, Correlation dan Chi Square. Perangkingan fitur dikombinasi dan diklaster menjadi dua kelompok lalu diklasifikasi dengan Naive Bayes serta divalidasi dengan 10 Fold Cross. Dari 8 union kombinasi hasil klastering, akurasi terbaik didapatkan dari fitur-fitur pada union kombinasi hasil klastering pertama (Union 1) dengan jumlah 25 fitur dan akurasi sebesar 96,18% yang mengalami kenaikan sebesar 5.56% dibandingkan tanpa menggunakan seleksi fitur.

Kata kunci: Intrusion Detection System, Seleksi Fitur, Filter, K-Means, Naive Bayes