Klasifikasi Jenis UU ITE Menggunakan Random Forest pada Kasus Kejahatan Siber

Abstract

Information technology has a variety of advantages, as well as drawbacks. The introduction of destructive activity by other user agents is one of these undesirable consequences. Cyber offenses include hacking, unlawful content, disseminating immoral information, and propagating fake news, all of which cause consumer harm. As stated in UU ITE No. 11 of 2008, this conduct necessitates the introduction of legislation to govern electronic information and electronic transactions. Currently, to find out the articles imposed on criminal cases, they are generally studied and opened by experts. However, there are barriers in the form of high prices and restricted public access to specialists on the sort of ITE Law that will be used in cybercrime cases. To assist and facilitate the determination of articles imposed on cybercrime cases, a system is needed that can classify articles of the ITE Law in a computerized way. The Random Forest Classifier Algorithm is used in this research to categorize the different forms of UU ITE in cybercrime cases. The next steps for preprocessing were cleaning, case folding, punctuation removal, stopword removal, stemming, and tokenization. The data from the preprocessing step is then used to selecting features using the Chi-Square method and extract features using TF-IDF. The accuracy of this research's evaluations was 95 % when implementing the Chi-Square feature selection, and 87.5 % when not using the Chi-Square feature selection.

Teknologi informasi memberikan berbagai manfaat, baik yang berdampak positif ataupun negatif. Dampak negatif tersebut adalah munculnya perilaku yang merugikan oleh pelaku kepada pengguna lainnya. Hacking, cracking, illegal contents, penyebaran konten asusila, serta penyebaran berita bohong yang mengakibatkan kerugian konsumen adalah beberapa contoh tindakan pelanggaran siber. Perilaku merugikan ini membutuhkan tindakan pencegahan berupa penetapan undang-undang untuk mengatur informasi elektronik dan transaksi elektronik. Penetapan aturan tersebut dituliskan pada UU ITE No. 11 Tahun 2008. Meskipun sudah ditetapkan, tindak kejahatan siber masih saja terjadi. Namun demikian masih banyak masyarakat umum yang awam dengan pasal-pasal pada UU ITE. Saat ini juga untuk mengetahui pasal yang dikenakan pada kronologi kasus kejahatan siber umumnya masih dikaji dan disimpulkan oleh saksi ahli. Hal ini memiliki kendala berupa terbatasnya biaya dan akses masyarakat untuk berkomunikasi dengan saksi ahli mengenai jenis pasal UU ITE yang akan dikenakan terhadap kasus kejahatan siber. Untuk membantu dan memudahkan penentuan pasal yang dikenakan pada kasus kejahatan siber maka diperlukan suatu sistem yang dapat melakukan klasifikasi pasal UU ITE secara komputerisasi. Pada penelitian ini, Algoritma Random Forest Classifier digunakan untuk mengklasifikasikan jenis UU ITE pada kasus kejahatan siber. Selanjutnya untuk tahapan preprocessing adalah cleaning, case folding, punctuation removal, stopword removal, stemming, dan tokenization. Kemudian data dari preprocessing dilanjutkan ke tahapan feature selection memakai metode Chi-Square dan ekstraksi fitur memakai TF-IDF. Penelitian ini memperoleh tingkat akurasi sebesar 95% dengan memakai metode feature selection Chi-Square dan 87.5% dengan tidak memakai feature selection Chi-Square.