Distributed Denial of Service atau biasa dikenal dengan DDoS adalah salah satu ancaman paling serius di Internet. DDoS adalah serangan terhadap server atau layanan dengan membanjiri lalu lintas jaringan sehingga mengakibatkan pengguna lain yang sebenarnya meminta layanan dari server atau layanan yang terkena DDoS tidak dapat dilayani. Disini peneliti mengusulkan sebuah sistem yang mendeteksi DDoS pada jaringan dengan menggunakan metode outlier detection. Disini peneliti menginvestigasi kinerja algoritma outlier detection pada dataset CICDDOS 2019 sebagai benchmark untuk evaluasi sistem. Kami menggunakan empat teknik pendeteksian outlier yaitu Density-based dan Local Outlier Factor (LOF) dengan dua pendekatan yaitu pendekatan unsupervised learning dan semi-supervised learning. Hasil penelitian menunjukkan bahwa sistem dengan pendekatan semi-supervised memiliki tingkat f-measure yang tinggi dalam mendeteksi DDoS dengan asumsi distribusi data normal tidak berubah.