DETEKSI AKUN ANOMALI PADA TWITTER MENGGUNAKAN ALGORITMA ISOLATION FOREST
Akun anomali pada media sosial, seperti Twitter, dapat menjadi ancaman bagi pengguna lain. Akun anomali, seperti akun bot, akun spam, atau akun yang digunakan untuk menyebarkan berita bohong, dapat menyebarkan informasi yang menyesatkan atau bahkan membahayakan. Dalam penelitian ini, Isolation Forest digunakan untuk mendeteksi akun anomali pada Twitter. Isolation Forest adalah algoritma deteksi anomali yang bekerja dengan cara mengisolasi data anomali dari data normal. Hasil penelitian dengan menggunakan dataset 37.438 akun Twitter, yang dilakukan proses preprocessing dan split data, menunjukkan bahwa Isolation Forest dapat digunakan untuk mendeteksi akun anomali pada Twitter dengan performa yang baik. Isolation Forest dapat mencapai skor F1 sebesar 0,7651 dan AUC sebesar 0,7915 pada skenario deteksi anomali menggunakan data numerik, tanpa parameter tuning. Pada skenario deteksi anomali menggunakan data numerik dan normalisasi, dengan parameter tuning, Isolation Forest dapat mencapai skor F1 sebesar 0,7197 dan AUC sebesar 0,7857. Pada skenario deteksi anomali menggunakan data baru, Isolation Forest dapat mendeteksi akun anomali yang memiliki nilai terendah di segala atribut ditandai sebagai anomali sebanyak 5 kali, sementara yang lainnya hanya 4 kali. Berdasarkan hasil penelitian ini, Isolation Forest dapat diterapkan untuk mendeteksi akun anomali pada Twitter.
APA Style
. (2023).DETEKSI AKUN ANOMALI PADA TWITTER MENGGUNAKAN ALGORITMA ISOLATION FOREST ().Teknik Industri:FTI
Chicago Style
.DETEKSI AKUN ANOMALI PADA TWITTER MENGGUNAKAN ALGORITMA ISOLATION FOREST ().Teknik Industri:FTI,2023.Text
MLA Style
.DETEKSI AKUN ANOMALI PADA TWITTER MENGGUNAKAN ALGORITMA ISOLATION FOREST ().Teknik Industri:FTI,2023.Text
Turabian Style
.DETEKSI AKUN ANOMALI PADA TWITTER MENGGUNAKAN ALGORITMA ISOLATION FOREST ().Teknik Industri:FTI,2023.Text
