Perkembangan perangkat Internet of Things (IoT) yang cepat dan luas membawa banyak tantangan dan masalah keamanan yang harus diatasi, salah satunya adalah Distributed Denial of Service (DDoS). Serangan DDoS ditandai dengan lonjakan lalu lintas yang tidak normal ke server atau jaringan target menyebabkan layanan tidak tersedia bagi pengguna asli. Machine learning adalah salah satu pendekatan popular yang digunakan dalam jaringan IoT dalam mendeteksi serta mencegah serangan dengan lebih efektif. Penelitian ini menggunakan dua algoritma machine learning yaitu Random Forest Classifier dan Naïve Bayes dalam mendeteksi serangan DDoS pada protokol MQTT dan HTTP di IoT. Dataset yang digunakan algoritma machine learning terdiri dari dataset primer dan dataset sekunder yaitu Edge-IIoTset. Algoritma Random Forest Classifier menghasilkan nilai rata-rata akurasi maupun skor F1 sebesar 0,9886, sedangkan algoritma Naïve Bayes menghasilkan nilai rata-rata akurasi sebesar 0,8757 dan skor F1 sebesar 0,8685. Perbandingan hasil waktu proses training dan testing menunjukkan algoritma Naïve Bayes lebih unggul daripada algoritma Random Forest Classifier.