Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Rodhiya, Hanif Robby
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Evaluasi Kinerja Algoritma Pembelajaran Mesin dalam Klasifikasi Data Keystroke Dynamics Rodhiya, Hanif Robby; Data, Mahendra; Fauzi, M. Ali
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Autentikasi berbasis kata sandi memiliki kelemahan inheren terhadap serangan siber seperti phishing dan keylogging, sehingga diperlukan lapisan keamanan tambahan. Penelitian ini bertujuan untuk mengevaluasi kinerja keystroke dynamics, sebuah metode biometrik perilaku, sebagai sistem autentikasi yang efektif dan non-intrusif. Penelitian ini menggunakan dataset publik CMU Keystroke Dynamics dengan pendekatan model user-specific. Fitur diekstraksi dalam dua tingkatan (orde pertama dan kedua) dan diuji pada empat jenis model machine learning: XGBoost, SVM, Random Forest, dan Ensemble Voting Classifier (EVC). Untuk mengatasi masalah ketidakseimbangan kelas yang ekstrem pada data, diterapkan metode hybrid sampling yang menggabungkan undersampling dan SMOTE. Kinerja model dievaluasi menggunakan metrik F1- Score dan Equal Error Rate (EER). Hasil pengujian menunjukkan bahwa pendekatan Ensemble Voting Classifier memberikan kinerja paling unggul. Konfigurasi terbaik berhasil mencapai F1-Score sebesar 0.9318 dan EER serendah 0.10%. Analisis komparatif membuktikan bahwa Ensemble Voting Classifier secara signifikan mengungguli model tunggal, diikuti oleh XGBoost, Random Forest, dan SVM. Penelitian ini menyimpulkan bahwa keystroke dynamics, jika diimplementasikan dengan metode Ensemble Voting Classifier dan strategi penanganan data yang tepat, merupakan solusi yang sangat andal dan aman untuk sistem autentikasi modern.
Co-Authors M. Ali Fauzi Mahendra Data