Identifikasi Pengguna Berbasiskan Biometrik Keystroke Menggunakan MVMCNN

Azzam, Muhammad Abdullah
Yunanto, Prasti Eko
Sulistiyo, Mahmud Dwi

eProceedings of Engineering
Vol. 12 No. 3 (2025): Juni 2025

Keamanan akses pengguna daring menjadi isukrusial di era digital. Identifikasi berbasis biometrik, sepertikeystroke dynamics, dianggap lebih aman dibandingkanmetode konvensional. Penelitian ini mengimplementasikanMulti-Voter Multi-Commission Nearest Neighbor Classifier(MVMCNN) untuk identifikasi pengguna melalui keystrokedynamics. MVMCNN dipilih karena kemampuannya mengatasikelemahan KNN dengan skema multi-voter dan pendekatanLocal Mean Probabilistic Neural Network (LMPNN). Datasetkeystroke dari Universitas Telkom digunakan dengan fitur UD,DD, DU, UU, dan Duration. Eksperimen meliputi tiga skenario:(1) menentukan panjang vektor optimal (N=4, 8, 12, 16, 20, 24),(2) penyederhanaan fitur menjadi rata-rata dan median, serta(3) seleksi fitur menggunakan Variance Threshold (0.1).Evaluasi menggunakan F1-Score. Hasil menunjukkan skenariopertama dengan N=20 menghasilkan F1-Score tertinggi(0.6911). Penyederhanaan fitur menurunkan performa, denganF1-Score terbaik 0.3031 (mean, k=9) dan 0.3257 (median, k=3),menandakan pentingnya kekayaan informasi dalam fitur.Seleksi fitur menggunakan Variance Threshold tidak banyakmengubah performa, menunjukkan distribusi data sudahoptimal. Temuan ini menegaskan bahwa granularitas databerperan penting dalam akurasi sistem identifikasi berbasiskeystroke dynamics. Kata kunci— biometrik, keystroke, identifikasi, mvmcnn, f1-score.