Network Intrusion Detection System menghadapi minimnya network traffic dataset dengan data terkini yang mengakibatkan munculnya imbalanced dataset. Sebab, tidak adanya labeled traffic dataset terbaru yang sesuai dari real network untuk pengembangan Network Intrusion Detection System. Serta, dibutuhkan waktu dan upaya yang besar untuk melakukan pelabelan dari raw network traffic dalam selang waktu tertentu. Penelitian ini akan dilakukan dengan menggunakan Variational Autoencoder untuk menghasilkan synthetic data. Synthetic data dapat menjadi solusi dalam mengatasi keterbatasan labeled traffic dataset dan imbalanced dataset. Dengan pengujian yang dilakukan dapat diketahui apakah dengan penggunaan synthetic data dalam mengatasi imbalanced dataset dapat meningkatkan performa Network Intrusion Detection System. Lalu apakah dengan menggunakan Variational Autoencoder sebagai Synthetic Data Generation dapat menghasilkan synthetic data yang menyerupai data asli.