Implementasi Algoritma Random Forest Untuk Optimasi Keamanan Autentikasi One-Time Password (OTP)
DOI:
https://doi.org/10.69533/eyp7ag46Keywords:
One-Time Password (OTP), Random Forest, Klasifikasi, Throwaway Prototyping, Kejahatan DigitalAbstract
Penelitian ini berfokus pada optimasi keamanan autentikasi One-Time Password (OTP) melalui implementasi algoritma Random Forest. Tujuan utamanya adalah mengembangkan sistem deteksi dan pencegahan penipuan OTP yang efisien dan efektif. Dengan menggunakan model 4D (Define, Design, Development, and Dissemination) dan pendekatan throwaway prototyping, penelitian ini menghasilkan sistem yang sesuai dengan kebutuhan pengguna dan berfungsi optimal dalam penggunaan nyata. Hasilnya menunjukkan bahwa integrasi algoritma Random Forest dalam mekanisme OTP meningkatkan keamanan secara signifikan.Uji akurasi klasifikasi sistem mencapai skor akurasi sebesar 98.5%, menegaskan efektivitas metode yang digunakan dalam mendeteksi dan mencegah penipuan OTP.
Downloads
References
Andriy Burkov, B. (2019). The Hundred-Page Machine Learning.
Arikunto, S. (2019). Prosedur penelitian : suatu pendekatan praktik / Suharsimi Arikunto | OPAC Perpustakaan Nasional RI. In Jakarta: Rineka Cipta.
Belciug, S., & Gorunescu, F. (2020). Intelligent Decision Support Systems - A Journey to Smarter Healthcare. In Intelligent Decision Support Systems - A Journey to Smarter Healthcare
Bahrawi, N. (2019). Sentiment Analysis Using Random Forest Algorithm-Online Social Media Based. Journal of Information Technology and Its Utilization, 2(2), 29. https://doi.org/10.30818/jitu.2.2.2695
Benedictus Simarmata, K., & Dwi, K. (2022). Analisa Rekomendasi Fitur Persetujuan Pinjaman Perusahaan Financial Technology Menggunakan Metode Random Forest. 9(3). http://jurnal.mdp.ac.id
Cattani, G. (2023). Combining data envelopment analysis and Random Forest for selecting optimal locations of solar PV plants. Energy and AI, 11. https://doi.org/10.1016/j.egyai.2022.100222
Dios Kurniawan, M. S. (2020). Pengenalan Machine Learning dengan Python.
Kurniawan, A., & Yulianingsih, Y. (2021). Pendugaan Fraud Detection pada kartu kredit dengan Machine Learning. KILAT, 10(2), 320–325. https://doi.org/10.33322/kilat.v10i2.1482
M. Shalahuddin, & Rosa A.S. (2015). Rekayasa Perangkat Lunak: Terstruktur dan Berorientasi Objek.
Lu, Y., Yu, K., & Lv, X. (2021). Image encryption with one-time password mechanism and pseudo-features. Multimedia Tools and Applications, 80(10), 15041–15055. https://doi.org/10.1007/s11042-021-10522-x
Murphy, K. P. (2012). Machine Learning A Probabilistic Perspective.
Prasetyo, Eko. (2013). Data Mining Konsep dan Aplikasi Menggunakan Matlab.
Sarna, S., & Czerwinski, R. (2022). Small prime divisors attack and countermeasure against the rsa-otp algorithm. Electronics (Switzerland), 11(1). https://doi.org/10.3390/electronics11010095
Soogun, A. O., Kharsany, A. B. M., Zewotir, T., North, D., & Ogunsakin, R. E. (2022). Identifying Potential Factors Associated with High HIV viral load in KwaZulu-Natal, South Africa using Multiple Correspondence Analysis and Random Forest Analysis. BMC Medical Research Methodology, 22(1). https://doi.org/10.1186/s12874-022-01625-6
Sumarni, S., & Rustam, S. (2023). Analisa Bonus Demografi Dengan Algoritma Machine Learning Di Kabupaten Gorontalo Utara. JTKSI (Jurnal Teknologi Komputer Dan Sistem Informasi), 6(1), 45. https://doi.org/10.56327/jtksi.v6i1.1391
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Derman Janner Lubis, Andri Nova Riswanto Andri
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
