Pelatihan Model Pengklasifikasi Pesan Scam dengan Metode Federated Learning

Michael, Michael (2022) Pelatihan Model Pengklasifikasi Pesan Scam dengan Metode Federated Learning. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (446kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (210kB) | Preview
Preview	PDF BAB_I.pdf Download (203kB) | Preview
Preview	PDF BAB_II.pdf Download (243kB) | Preview
Preview	PDF BAB_III.pdf Download (600kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (149kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (727kB)

Abstract

Data breach atau biasa disebut dengan pelanggaran data merupakan bagian dari insiden keamanan informasi. Hal ini terjadi karena semakin banyaknya data yang tersebar berupa data pribadi yang tersentralisasi pada perusahaan, semakin besar pula risiko terhadap kerusakan, kehilangan, dan data yang diretas oleh pihak yang tidak bertanggung jawab bahkan sampai kepenjualan data. Sementara itu, penyimpanan user data oleh perusahaan tetap harus dilakukan untuk meningkatkan kualitas layanan platform mereka seperti pemanfaatan user data sebagai dataset untuk melatih dan mengembangkan lebih lanjut model machine learning yang dimiliki oleh perusahaan. Oleh karena itu, metode Federated Learning ada untuk mengatasi permasalahan user privacy tersebut, teknik untuk melakukan proses pelatihan menggunakan user data tanpa mengirimkan data yang bersifat sensitif ke central server, namun hanya mengirimkan model hasil pelatihan. Pada pelatihan ini, teknik pelatihan secara federated diterapkan pada model GRU (Gated Recurrent Unit) yang melakukan tugas klasifikasi antara pesan SMS berupa scam atau non- scam dengan tujuan mencegah masyarakat mengalami pencurian data melalui SMiShing (SMS dan Phishing). Hasil dari penelitian adalah sebuah model Gated Recurrent Unit yang telah dilatih dengan dua macam cara Federated Learning yaitu Common Federated Learning dan Daisy-chain Federated Learning yang mengklasifikasi pesan SMS berbahasa Indonesia menjadi dua kelas yaitu scam dan non-scam.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Federated Learning, Gated Recurrent Unit, Natural Language Processing, Short Message Service Classification.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 07:16
Last Modified:	08 Jun 2023 00:57
URI:	https://kc.umn.ac.id/id/eprint/22558

Actions (login required)

View Item