Klasifikasi Jenis UU Ite Menggunakan Text Mining pada Kasus Kejahatan Siber

Abstract

Development of information technology (IT) has influenced various activities in scientific development, news and entertainment. Apart from providing benefits to human life, the development of information technology also has negative impact such as the emergence of malicious behavior. Malicious behavior that is carried out by the society in the use of information technology is called cyber crime. To protect public from cyber crime, the government enacted UU ITE No. 11 on 2008. In order to find out the types of UU ITE in cyber crime cases, it is still done manually by expert witnesses. Limited access, time and costs to communicate with expert witnesses make most of the public haven't understand the types of UU ITE in cyber crime cases. Method that can be used to assist the analysis and processing cyber crime event chronology data is by using text mining. In this study, text mining is used to classify cybercrime cases with support vector machine (SVM) algorithm. The overall scenario of the method used is preprocessing which includes cleaning, case folding, stopword removal, stemming and tokenization, then feature selection with Mutual Information, weighting with TFIDF and using a support vector machine algorithm to clasify cyber crime cases. This study shows model evaluation accuracy rate of 94.73 and precision level of 90% on 30 test data with 2000 features of selected terms.

Perkembangan teknologi informasi (TI) saat ini telah mempengaruhi berbagai aktivitas masyarakat baik dalam pengembangan ilmiah, berita maupun hiburan. Selain menyediakan manfaat bagi kehidupan manusia perkembangan teknologi informasi juga memiliki dampak negatif yaitu munculnya perilaku jahat. Perilaku jahat yang dilakukan masyarakat dalam penggunaan teknologi informasi disebut dengan kejahatan siber. Untuk melindungi masyarakat dari masalah kejahatan siber pemerintah membuat UU ITE No. 11 Tahun 2008. Saat ini, untuk mengetahui jenis-jenis UU ITE pada kasus kejahatan siber umumnya masih dilakukan secara manual oleh saksi ahli. Keterbatasan waktu akses dan biaya untuk untuk berkomunikasi dengan saksi ahli membuat sebagian besar masyarakat masih banyak yang belum mengerti dan memahami jenis-jenis UU ITE pada kasus kejahatan siber. Salah satu metode yang dapat digunakan untuk membantu dalam menganalisis dan memproses data kronologi kejadian adalah dengan menggunakan text mining . pada penelitian ini, text mining digunakan untuk mengklasifikasikan kasus kejahatan siber dengan algoritma support vector machine(svm). Skenario keseluruhan dari metode yang digunakan adalah preprocessing yang meliputi Cleaning, case folding, stopword removal, stemming dan tokenization, selanjutnya dilakukan seleksi Fitur dengan Mutual Information, pembobotan dengan TFIDF dan menggunakan algoritma support vector machine untuk mengklasifikasi kasus kejahatan siber. Penelitian ini menghasilkan tingkat akurasi dari evaluasi model sebesar 94,73 dan hasil presisi sebesar 90% dari 30 data pengujian dengan jumlah term yang diseleksi sebanyak 2000 Fitur.