Balai Jaringan Informasi dan Komunikasi (BJIK) sebagai salah satu balai di Badan Pengkajian dan Penerapan Teknologi (BPPT) memiliki tugas dalam penerapan teknologi informasi dan komunikasi (TIK) untuk kepentingan pemerintah pusat, daerah, publik, komunitas ilmu pengetahuan teknologi, dan industri. Tugas tersebut diwujudkan salah satunya dengan membangun sistem informasi monitoring teknologi informasi dan komunikasi yang bernama Simontik. Kemajuan tren teknologi dan ancaman siber yang tidak dapat dihindari membutuhkan adanya penerapan data mining untuk monitoring intrusi dalam melindungi informasi penting dimana perangkat lunak anti virus dan firewall tidak cukup memberikan perlindungan penuh sesuai dengan kondisi BJIK saat ini. Sejalan dengan hal tersebut, beberapa penelitian terdahulu juga menjelaskan teknik deep learning atau deep neural network pada data mining yang telah mencapai keberhasilan jauh lebih baik di berbagai aplikasi khususnya big data sets classification karena memberikan hasil yang akurat dalam menyelesaikan permasalahan sistem monitoring intrusi. Berdasarkan hal tersebut, penelitian ini menggunakan teknik classification dengan algoritme deep learning, support vector machine, dan random forest sebagai pembanding. Penelitian ini menggunakan metodologi knowledge discovery from data (KDD) dimana data mining hanya merupakan suatu langkah penting dalam urutan prosesnya. Hasil akhir dari penelitian ini merupakan model prediksi yang dikemudian diuji dengan dataset Simontik untuk diketahui akurasinya. Hasil yang didapatkan dari penelitian ini adalah algoritme deep neural network dan random forest menghasilkan akurasi yang paling baik, yaitu sebesar 99,91% dibandingkan dengan algoritme support vector machine yang memiliki akurasi sebesar 98,11%.