Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Optimasi Deteksi Situs Judi Online Menggunakan Algoritma Decision Tree untuk Mitigasi Risiko Kebocoran Data Pribadi

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 6 No. 2 (2026) · hlm. 321–333

DOI
10.51454/decode.v6i2.1658
ISSN
2775-1813, 2775-2984
Terbit
2026-05-16
Penerbit
Universitas Muhammadiyah Kendari
Lisensi
creativecommons.org/licenses/by-sa/4.0/

Abstrak

Transformasi digital yang masif telah memperluas celah kejahatan siber, salah satunya melalui proliferasi platform judi online di Indonesia yang mengancam keamanan data pribadi masyarakat. Penelitian ini bertujuan untuk mengimplementasikan Artificial Intelligence (AI) menggunakan algoritma Decision Tree sebagai mekanisme proaktif dalam mendeteksi situs judi online guna melindungi informasi sensitif pengguna dari eksploitasi. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan mengembangkan model klasifikasi berbasis fitur URL, seperti panjang karakter, jumlah digit, dan keberadaan kata kunci spesifik perjudian. Hasil penelitian menunjukkan bahwa model Decision Tree berhasil mencapai performa yang sangat tinggi dengan akurasi sebesar 96,98% pada data pengujian dan nilai ROC-AUC sebesar 0,984. Fitur "judi_keyword_count" ditemukan sebagai indikator terkuat yang berkontribusi sebesar 77,1% terhadap keputusan klasifikasi. Aturan keputusan yang dihasilkan bersifat transparan (interpetabel), sehingga memudahkan proses audit teknis maupun hukum dalam pemblokiran situs. Penelitian ini membuktikan bahwa penggunaan AI berbasis Decision Tree efektif dalam memitigasi risiko kebocoran data pribadi melalui deteksi situs ilegal secara real-time.

Jaringan kolaborasi para penulis

2 penulis · 1 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Data ini berasal dari Crossref (yang disetorkan penerbit), karena endpoint OAI-PMH milik jurnal tidak dapat di-harvest.

Sumber metadata: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, pertama di-harvest 26 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata sebagai oai_dc, dikonversi dari Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Optimasi Deteksi Situs Judi Online Menggunakan Algoritma Decision Tree untuk Mitigasi Risiko Kebocoran Data Pribadi</dc:title><dc:creator>Syabriansyah, Andi Moch</dc:creator><dc:creator>Sunyoto, Andi</dc:creator><dc:description>&lt;jats:p&gt;Transformasi digital yang masif telah memperluas celah kejahatan siber, salah satunya melalui proliferasi platform judi online di Indonesia yang mengancam keamanan data pribadi masyarakat. Penelitian ini bertujuan untuk mengimplementasikan Artificial Intelligence (AI) menggunakan algoritma Decision Tree sebagai mekanisme proaktif dalam mendeteksi situs judi online guna melindungi informasi sensitif pengguna dari eksploitasi. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan mengembangkan model klasifikasi berbasis fitur URL, seperti panjang karakter, jumlah digit, dan keberadaan kata kunci spesifik perjudian. Hasil penelitian menunjukkan bahwa model Decision Tree berhasil mencapai performa yang sangat tinggi dengan akurasi sebesar 96,98% pada data pengujian dan nilai ROC-AUC sebesar 0,984. Fitur "judi_keyword_count" ditemukan sebagai indikator terkuat yang berkontribusi sebesar 77,1% terhadap keputusan klasifikasi. Aturan keputusan yang dihasilkan bersifat transparan (interpetabel), sehingga memudahkan proses audit teknis maupun hukum dalam pemblokiran situs. Penelitian ini membuktikan bahwa penggunaan AI berbasis Decision Tree efektif dalam memitigasi risiko kebocoran data pribadi melalui deteksi situs ilegal secara real-time.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2026-05-16</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v6i2.1658</dc:identifier><dc:identifier>10.51454/decode.v6i2.1658</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 6 No 2 (2026); 321-333</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/decode/article/download/1658/871</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>