Penerapan Algoritma Random Forest untuk Mendeteksi Malicious Transactions pada Jaringan Blockchain Ethereum

Andrew, Clarence (2026) Penerapan Algoritma Random Forest untuk Mendeteksi Malicious Transactions pada Jaringan Blockchain Ethereum. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (207kB)
	PDF BAB_II.pdf Download (322kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (282kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (672kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (211kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (944kB)
	Archive (ZIP) 00000068695_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Perkembangan teknologi blockchain, khususnya pada jaringan Ethereum, telah meningkatkan jumlah pengguna dan transaksi digital yang dilakukan secara terdesentralisasi. Seiring dengan pertumbuhan tersebut, muncul berbagai malicious transactions yang berpotensi mengancam keamanan dan keandalan jaringan. Oleh karena itu, diperlukan suatu metode yang mampu mendeteksi malicious transactions secara efektif dan akurat. Penelitian ini bertujuan untuk menerapkan algoritma Random Forest dalam mengklasifikasikan transaksi normal dan malicious pada blockchain Ethereum. Metodologi yang digunakan mengacu pada tahapan SEMMA yang meliputi sample, explore, modify, model, dan assess. Dataset yang digunakan berisi atribut transaksi Ethereum dari API Etherscan yang telah melalui proses pembersihan dan pra-pemrosesan data. Model Random Forest dibangun menggunakan data latih dan dievaluasi menggunakan data uji dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest dapat melakukan klasifikasi transaksi-transaksi dengan tingkat performa yang baik. Model yang dibangun memperoleh accuracy sebesar 86% dan ROC-AUC sebesar 0,9810, yang menunjukkan kemampuan yang sangat baik dalam membedakan transaksi normal dan malicious. Dengan demikian, algoritma Random Forest dapat digunakan sebagai salah satu pendekatan yang efektif untuk mendukung deteksi aktivitas mencurigakan pada jaringan blockchain Ethereum.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Andrew, Clarence (00000068695)
Contributors:	Christian Chandra, Joko (0324118302)
Keywords:	Blockchain Ethereum, Random Forest, Klasifikasi, Malicious Transactions
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	21 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/47797

Actions (login required)

View Item