Analisis Prostitusi Online Pada Aplikasi Michat Menggunakan Algoritma Naïve Bayes Dan Framework NIST

Abstract

Perkembangan teknologi informasi yang pesat menghadirkan berbagai kemudahan dalam berkomunikasi. Namun, hal ini juga menciptakan potensi meningkatnya kejahatan siber, termasuk prostitusi online. Aplikasi MiChat sering dikaitkan dengan kegiatan seperti itu karena fitur People Nearby, yang memungkinkan penggunanya dalam menemukan pengguna lain di lokasi terdekat. Tujuan dari dilakukannya penelitian ini adalah menganalisis pola percakapan yang yang mengarah pada praktik prostitusi online, dengan menerapkan algoritma Naïve Bayes Classifier dan menerapkan National Institute of Standards and Technology (NIST) sebagai pedoman. Autopsy dan Mobiledit Forensic Express digunakan untuk mengumpulkan dan mengekstraksi data dari skenario percakapan yang dibuat semirip mungkin dengan percakapan nyata pengguna MiChat. Preprocessing terbagi atas pembersihan data, case folding, stemming, tokenizing, dan stopwords  sebelum perhitungan nilai memakai TF-IDF. Model Naïve Bayes dipakai dalam mengklasifikasikan percakapan ke dalam dua kelompok yaitu positive (tidak menunjukkan prostitusi) dan negative (menunjukkan prostitusi). Analisis data menghasilkan tingkat akurasi model sebesar 88%. Hasil ini membuktikan bahwa algoritma Naïve Bayes bisa dipakai secara efektif untuk menemukan percakapan yang mengindikasikan prostitusi online.

GS Cited Analysis