Skripsi

KLASIFIKASI TRAFFIC JARINGAN ONLINE GAMBLING BERBASIS DEEP LEARNING

---

Penilaian

---

Pesatnya pertumbuhan aktivitas judi online menimbulkan kebutuhan akan sistem deteksi yang akurat dan efisien. Penelitian ini bertujuan untuk mendeteksi aktivitas judi online dalam lalu lintas jaringan menggunakan kombinasi Autoencoder dan Deep Neural Network (DNN). Dataset diperoleh dari data lalu lintas jaringan dalam format PCAP yang kemudian diekstraksi menggunakan Tshark dan dikonversi ke format CSV. Proses dimulai dengan ekstraksi fitur melalui Autoencoder untuk menghasilkan representasi data berdimensi rendah, dilanjutkan dengan klasifikasi menggunakan model DNN. Evaluasi dilakukan dengan tiga skenario proporsi data (70:15:15, 80:10:10, dan 90:5:5) dan berbagai variasi parameter pelatihan. Hasil terbaik diperoleh pada proporsi data 70:15:15 dengan varian model DNN keempat pada epoch ke-200, yang mencapai F1-score sebesar 99,38% dan akurasi 99,87%. Model menunjukkan stabilitas performa tanpa indikasi overfitting, serta hasil evaluasi yang lebih representatif dibanding proporsi data lainnya. Penelitian ini menunjukkan bahwa pendekatan Autoencoder-DNN mengidentifikasi traffic judi online secara otomatis dan andal.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2507005339	T182224	T1822242025	Central Library (Reference)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T1822242025

Publisher

Indralaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer Universitas Sriwijaya., 2025

Collation

xvi, 125 hlm.; ilus.; tab.; 29 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

004.07

Content Type

Text

Media Type

unmediated

Carrier Type

-

Edition

-

Subject(s)

Green Marketing
Prodi Manajemen

Specific Detail Info

-

Statement of Responsibility

KA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment