Melola Discovery

← Melola Discovery

Open access Journal 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) · pp. 321–333

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

Abstract

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.

Collaboration network of the authors

2 authors · 1 co-authorship link

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Oct 2026, last seen 15 Nov 2026.
Metadata as oai_dc, converted from 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>