DOI: https://doi.org/10.14710/transmisi.27.3.185-190

SELEKSI FITUR DENGAN GENETIKA ALGORITHM UNTUK OPTIMASI RANDOM FOREST DALAM MENGKLASIFIKASI TENTANG JENIS PENGGUNAAN INTERNET

*Nadio Rodicky  -  Jurusan Teknik Elektro, Program Studi Teknik Telekomunikasi, Politeknik Negeri Sriwijaya, Indonesia
Sopian Soim  -  Jurusan Teknik Elektro, Program Studi Teknik Telekomunikasi, Politeknik Negeri Sriwijaya, Indonesia
Suzan Zefi  -  Jurusan Teknik Elektro, Program Studi Teknik Telekomunikasi, Politeknik Negeri Sriwijaya, Indonesia
Dikirim: 10 Des 2024; Diterbitkan: 31 Jul 2025.
Akses Terbuka Copyright (c) 2025 Transmisi: Jurnal Ilmiah Teknik Elektro under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Sari

Penggunaan internet yang semakin meluas menimbulkan kebutuhan untuk memahami pola dan jenis aktivitas yang dilakukan pengguna. Klasifikasi jenis penggunaan internet dapat membantu dalam berbagai aplikasi, seperti manajemen jaringan, analisis web, dan pengembangan layanan internet yang lebih personal. Penelitian ini bertujuan untuk mengoptimalkan model klasifikasi jenis penggunaan internet menggunakan seleksi fitur dengan algoritma genetika dan Random Forest. Dataset yang digunakan dalam penelitian ini berisi informasi tentang lalu lintas internet, seperti alamat IP, nama domain yang dikunjungi, protokol yang digunakan, durasi kunjungan, dan jenis aktivitas. Algoritma genetika digunakan untuk menyeleksi subset fitur yang optimal untuk klasifikasi, sedangkan Random Forest digunakan sebagai algoritma klasifikasi. Hasil penelitian menunjukkan bahwa seleksi fitur dengan algoritma genetika dapat meningkatkan akurasi klasifikasi Random Forest secara signifikan. Penelitian ini memberikan kontribusi dalam pengembangan metode klasifikasi jenis penggunaan internet yang lebih akurat dan efisien. Hasil penelitian ini juga dapat digunakan sebagai dasar untuk penelitian selanjutnya dalam bidang analisis jaringan dan pengembangan layanan internet.

Fulltext View|Download
Kata Kunci: Klasifikasi jenis penggunaan internet;seleksi fitur; algoritma genetika; Random Forest; akurasi;

Article Metrics:

Article Info
Bagian: Artikel - Teknologi Informasi dan Komputer
Bahasa : ID
Recent articles
MODELLING OF A PORTABLE WIND-POWERED ELECTRICITY GENERATION FOR SHRIMP POND IN KALANGANYAR VILLAGE DIAGNOSIS KEGAGALAN TRANSFORMATOR DAYA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS DAN ARTIFICIAL NEURAL NETWORK BERBASIS DISSOLVED GAS ANALYSIS OPTIMIZATION OF PHOTOVOLTAIC COOLING SYSTEM PERFORMANCE: A COMPARISON REVIEW OF ACTIVE, PASSIVE AND COMBINED METHODS SISTEM MONITORING PENGENDALI HAMA BERANG-BERANG MENGGUNAKAN TELEGRAM BERBASIS TENAGA SURYA SISTEM SMART HOME BERBASIS IoT DENGAN INTEGRASI PENGENDALIAN SUARA DAN APLIKASI SMARTPHONE SELEKSI FITUR DENGAN GENETIKA ALGORITHM UNTUK OPTIMASI RANDOM FOREST DALAM MENGKLASIFIKASI TENTANG JENIS PENGGUNAAN INTERNET More recent articles
Most cited articles
PERANCANGAN ANTENA MIKROSTRIP ARRAY PADA FREKUENSI 850 MHz DAMPAK PEMASANGAN PERALATAN FACTS TERHADAP STABLITAS TEGANGAN PADASISTEM TENAGA LISTRIK Tinjauan Perkembangan Kendaraan Listrik Dunia Hingga Sekarang Sistem Pengendalian Suhu Dan Kelembaban Pada Mesin Pengering Kertas SELF-BALANCING SCOOTER MENGGUNAKAN METODE KENDALI PROPORSIONAL INTEGRAL DERIVATIF More cited articles
  1. . M. T. Astuti, “Analisis Big Data Menggunakan Teknik Machine Learning Untuk Prediksi Pola Perilaku Pengguna,” J. Dunia Data, vol. 1, no. 4, pp. 1–15, 2024, [Online] Available:
  2. . Susana, H. (2022). Application of Naive Bayes Method Classification Model on Internet Access Usage. Journal of Information Systems and Information Technology Research (JURSISTEKNI), 4(1), 1-8. [2] X. Li, X.Zhang, dan J. Zhang
  3. . E. P. Cynthia, M. Afif Rizky A., A. Nazir, and F. Syafria, “Random Forest Algorithm to Investigate the Case of Acute Coronary Syndrome,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 369–378, 2021, doi: 10.29207/resti.v5i2.3000
  4. . G. E. Riani and W. F. Mahmudy, “Optimasi Jangkauan Jaringan 4G Menggunakan Algoritma Genetika,” J. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 2, p. 141, 2016, doi: 10.25126/jtiik.201632205
  5. . Amini, N., Saragih, T. H., Faisal, M. R., Farmadi, A., & Abadi, F. (2022). Implementasi Algoritma Genetika untuk Seleksi Fitur pada Klasifikasi Genre Musik menggunakan Metode Random Forest. Jurnal Informatika Polinema, 9(1), 75-82
  6. . Mahesh, Batta. "Machine learning algorithms-a review." International Journal of Science and Research (IJSR).[Internet] 9.1 (2020): 381-386
  7. . J. D. Pineda-Jaramillo, “A review of machine learning (ML) algorithms used for modeling travel mode choice•,” DYNA, vol. 86, no. 211, pp. 32–41, 2019, doi: 10.15446/dyna.v86n211.79743
  8. . S. K. Kwofie et al., “Artificial Intelligence, Machine Learning, and Big Data for Ebola Virus Drug Discovery,” Pharmaceuticals, vol. 16, no. 3, pp. 1–12, 2023, doi: 10.3390/ph16030332
  9. . Masrichah, S. (2023). Ancaman Dan Peluang Artificial Intelligence (AI). Khatulistiwa: Jurnal Pendidikan dan Sosial Humaniora, 3(3), 83-101
  10. . K. A. Santoso, B. A. Setiawan, and K. Kusbudiono, “Application of Genetic Algorithm on Inclusive Labeling of a Graph,” Inpr. Indones. J. Pure Appl. Math., vol. 4, no. 1, pp. 24–32, 2022, doi: 10.15408/inprime.v4i1.24327
  11. . E.P Cynthia, M. Afif Rizky A., A. Nazir, and F. Syafria, “Random Forest Algorithm to Investigate the Case of Acute Coronary Syndrome,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 369–378, 2021, doi: 10.29207/resti.v5i2.3000
  12. . Georganos et al., “Geographical random forests: a spatial extension of the random forest algorithm to address spatial heterogeneity in remote sensing and population modelling,” Geocarto Int., vol. 36, no. 2, pp. 121–136, 2021, doi: 10.1080/10106049.2019.1595177
  13. . A. More and P. Rana, “Review of Random Forest Classification Techniques to Resolve Data Imbalance: proceedings: 5-6 October 2017, Aurangabad, Maharashtra, India,” 1st Int. Conf. Intell. Syst. Inf. Manag. ICISIM-2017, pp. 72– 78, 2017
  14. . O.- Pahlevi, A.- Amrin, and Y.- Handrianto, “Implementasi Algoritma Klasifikasi Random Forest Untuk Penilaian Kelayakan Kredit,” J. Infortech, vol. 5, no. 1, pp. 71–76, 2023, doi: 10.31294/infortech.v5i1.15829
  15. . Kurniabudi, K., Harris, A., & Rahim, A. (2020). Seleksi Fitur Dengan Information Gain Untuk Meningkatkan Deteksi Serangan DDoS menggunakan Random Forest. Techno. Com, 19(1), 56-66

Last update:

No citation recorded.

Last update: 2025-08-11 21:45:09

No citation recorded.