Abstract:Pendidikan memainkan peran krusial dalam pengembangan individu dan masyarakat. Peningkatan mutu pendidikan menjadi fokus utama pembangunan di Indonesia, dengan peran guru sebagai faktor penting dalam mencapai tujuan tersebut.…
ebut. SMP Negeri 3 Kualuh Hulu, sebagai salah satu lembaga pendidikan, menghadapi tantangan dalam pengelompokan siswa baru ke dalam kelas unggulan. Penelitian ini menggunakan metode Data Mining, khususnya K-Means Clustering, untuk membantu dalam seleksi dan pengelompokan siswa berdasarkan nilai rapor mereka. Metode K-Means Clustering digunakan untuk mengklasifikasikan siswa ke dalam tiga kelompok: tinggi, sedang, dan rendah. Penelitian ini menggambarkan proses pengolahan data menggunakan Python untuk memperoleh hasil klasterisasi. Hasilnya menunjukkan bahwa 25 siswa memiliki nilai tinggi, 45 siswa memiliki nilai sedang, dan 41 siswa memiliki nilai rendah. Dengan informasi ini, sekolah dapat dengan cepat dan efisien menentukan siswa yang layak masuk kelas unggulan, memungkinkan peningkatan kualitas pembelajaran dan persiapan siswa untuk pendidikan lanjutan.
Abstract:Abstract : The Central Bureau of Statistics (BPS) is a non-departmental government agency established as a provider of data or information based on Law No. 6/1960 on Census and Law No. 7/1997 on Statistics. The Central Statistics…
tatistics Agency (BPS) recorded the number of motorized vehicles such as cars, buses, trucks, and motorcycles in the provinces of North Sumatra and West Sumatra in 2020-2021 reaching 3,043,892 million units. The purpose of this study is to classify the number of motorized vehicles in the form of cars, motorcycles, buses and trucks. This research uses quantitative research with Naive Bayes Algorithm analysis model. The data used in this study is data from several regions in North Sumatra Province and West Sumatra Province in 2020-2021. Evaluation of model performance is based on accuracy parameters, precision and total recall of the confusion-matrix. The results of testing the dataset and calculating the model performance parameters have obtained an accuracy value of 100%. With the percentage value of the description of each dataset class, namely a little 70.6%, moderate 21.6%, and a lot 7.8%.
Keywords :classification;confusion-matrix; data; motor vehicles; naive bayes
Abstrak : Badan Pusat Statistik (BPS) adalah lembaga pemerintahan non-departemen yang dibentuk sebagai penyedia data atau informasi berdasarkan UU Nomor 6 Tahun 1960 tentang Sensus dan UU Nomor 7 Tahun 1997 tentang Statistik. Badan Pusat Statistik (BPS) mencatat jumlah kendaraan bermotor seperti mobil, bus, truk, dan sepeda motor di Provinsi Sumatera Utara dan Sumatera Barat pada tahun 2020-2021 mencapai 3.043.892 juta unit. Tujuan dari penelitian ini yaitu untuk mengklasifikasikan jumlah kendaraan bermotor berupa mobil, sepeda motor, bus dan, truk. Adapun penelitian ini menggunakan jenis penelitian kuantitatif dengan model analisis Algoritma Naive Bayes. Data yang digunakan pada penelitian ini adalah data dari beberapa daerah di Provinsi Sumatera Utara dan Provinsi Sumatera Barat tahun 2020-2021. Evaluasi kinerja model didasarkan pada parameter akurasi, presisi dan recall total dari Confusion-Matrix. Hasil pengujian dataset dan perhitungan parameter performa model telah didapat nilai akurasi 100%. Dengan presentase nilai keterangan setiap kelas dataset yaitu Sedikit 70,6%, Sedang 21,6%, dan Banyak 7,8%.
Kata kunci :confusion-matrix; data; kendaraan bermotorklasifikasi; naive bayes
Abstract:Abstract: The Family Hope Program (PKH) is a government program in the form of cash for Very Poor Households (RTSM) whose qualifications are met related to efforts to improve human quality, not in the field of education…
but also health. In the short term, the PKH program is calculated to reduce the expenditure of poor families and reduce poverty in the long term. To receive the PKH Program) the government has set several criteria, including income, house ownership status, house size, floor type, roof, wall, and type of water source. As for the way to do the settlement of the criteria that have been set, namely by utilizing the Data Mining technique through the Naïve Bayes method. The dataset in this study is the data of recipients of the 2020 Family Hope Program as many as 82 samples. The results of the classification modeling with the Naïve Bayes Algorithm produce precision values for the positive class 100%, for the negative class 77%, the recall value for the positive class 80%, for the negative class 100%, the f1-score value for the positive class 89%, for the negative class 87%, and 88% accuracy value. The purpose of this research is to help the Social Service in classifying the recipients of the Family Hope Program (PKH).
Keywords: The Family Hope Program; Data Mining; Naïve Bayes
Abstrak: Program Keluarga Harapan (PKH) merupakan program pemerintah dalam bentuk tunai untuk Rumah Tangga Sangat Miskin (RTSM) yang kualifikasinya terpenuhi terkait dengan upaya peningkatan kualitas manusia tersebut bukan dalam bidang pendidikan tetapi juga kesehatan. dalam jangka pendek Program PKH diperhitungkan bisa mengurangi biaya pengeluaran keluarga miskin serta mengurangi kemiskinan dalam jangka panjang. Untuk menerima Program PKH) pemerintah sudah menetapkan beberapa kriteria, diantaranya Penghasilan, Status Kepemilikan Rumah, Ukuran Rumah, tipe Lantai, Atap, Dinding, serta jenis sumber air. Adapun cara untuk melakukan penyelesaian terhadap kriteria yang sudah ditetapkan yaitu dengan memanfaatkan teknik Data Mining melalui Metode Naïve Bayes. Dataset dalam penelitian ini adalah data penerima Program Keluarga Harapan tahun 2020 sebanyak 82 sampel. Hasil pemodelan klasifikasi dengan Algoritma Naïve Bayes menghasilkan besaran nilai precision untuk kelas positif 100%, untuk kelas negatif 77%, nilai recall untuk kelas positif 80%, untuk kelas negatif 100%, nilai f1-score untuk kelas positif 89%, untuk kelas negatif 87%, dan nilai akurasi 88%. Tujuan dilaksanakannya penelitian ini adalah untuk membantu Dinas Sosial mengklasifikasikan penerima Program Keluarga Harapan (PKH).
Kata kunci: Program Keluarga Harapan; Data Mining; Naïve Bayes
Abstract:Abstract: The Tanjungbalai City Government annually conducts an assessment of the best sub-district using existing indicators. So far, the assessment has only used Microsoft Excel calculations so that the time used to carry…
rry out the assessment process seems long and slow. To overcome these problems, a solution method with accuracy and speed in making the best district assessment decisions is needed. The Decision Support System was made using the Laravel framework and the MariaDB database and the method used was TOPSIS. The results of the best sub-district assessment using a Decision Support System with the TOPSIS method are needed to assist the assessment team in carrying out a faster assessment process so that the results obtained are much better. Analysis and implementation of a decision support system using the TOPSIS method to classify the best sub-districts in Tanjungbalai City facilitates the decision-making process to be faster and better for the Tanjungbalai City Regional Secretariat, especially in the Government section in choosing the best District based on existing criteria. The results of processing the system are 100% the same as the results of manual processing. Therefore this system is very helpful in speeding up work.
Keyword: Decision support system; TOPSIS; Best District Assessment.
Abstrak: Pemerintah Kota Tanjungbalai setiap tahunnya mengadakan penilaian Kecamatan terbaik dengan menggunakan indikator-indikator yang ada. Selama ini penilaian yang dilakukan hanya menggunakan perhitungan Microsoft Excel sehingga waktu yang digunakan untuk melakukan proses penilaian terkesan lama dan lambat. Untuk mengatasi permasalahan tersebut maka diperlukanlah metode penyelesaian dengan ketepatan dan kecepatan pada pengambilan keputusan penilaian kecamatan terbaik. Sistem Pendukung Keputusan tersebut dibuat menggunakan framework Laravel dan basis data MariaDB serta metode yang digunakan adalah TOPSIS. Hasil dari Penilaian kecamatan terbaik menggunakan Sistem Pendukung Keputusan dengan metode TOPSIS sangat dibutuhkan untuk membantu tim penilai dalam melaksanakan proses penilaian yang lebih cepat agar hasil yang akan didapatkan jauh lebih baik. Analisis dan implementasi sistem pendukung keputusan dengan metode TOPSIS mengklasifikasi kecamatan terbaik di Kota Tanjungbalai memudahkan proses pengambilan keputusan menjadi lebih cepat dan lebih bagus kepada Sekretaraiat Daerah Kota Tanjungabalai khususnya dibagian Pemerintahan dalam memilih Kecamatan terbaik berdasarkan kriteria/indikator yang ada. Hasil pengolahan sistem 100 % sama dengan hasil pengolahan secara manual. Maka dari itu sistem ini sangat membantu dalam mempercepat pekerjaan.
Kata Kunci : Sistem Pendukung Keputusan;TOPSIS;Penilaian Kecamatan Terbaik.
Abstract:The advanced innovation has essentially expanded the danger of cybercrime, driving to issues such as personality robbery, work misfortune, and disturbances to basic framework. In the interim, cybercriminals proceed to create…
eate modern procedures and methodologies in committing their criminal acts. The reason to depict the degree of cybercrime dangers in Indonesia. Common cyber dangers in Indonesia incorporate malware assaults, refusal of benefit (DoS), dispersed refusal of benefit (DDoS), and phishing. These dangers are frequently exacerbated by a need of mindfulness and instruction almost cybersecurity and constrained requirement of cybercrime laws. In conclusion, cybercrime dangers in Indonesia are right now considered genuine and profoundly unsafe due to their potential to make national issues. The action was carried out through the arrangement of socialization counseling with address and discourse strategies, as well as address and reply with members. Accommodation of fabric within the frame of control point slides that are displayed amid the action and conveyed to instructors as members . Therefore, it is crucial to recognize the importance of understanding these issues cybercrime anticipation socialization has to be passed on to the educator SD Negeri 132408 di Tanjungbalai Selatan. With this preparing, it is trusted that they can gotten to be web clients who can maintain a strategic distance from the potential to ended up culprits or casualties of cyber wrongdoings.
Keywords: cybercrime; socialization; prevention
Abstrak: Pengembangan teknologi digital telah secara signifikan meningkatkan risiko cybercrime karena mempengaruhi pencurian identitas, kehilangan tempat kerja, dan infrastruktur kritis. Sementara itu, pelaku cybercrime terus mengembangkan teknologi dan strategi baru untuk inspeksi perilaku kriminal. Ini dilakukan dengan memeriksa dan menganalisis literatur dalam kaitannya dengan dengan cybercrime di Indonesia. Temuan ini menunjukkan bahwa publikasi teknologi dari di Indonesia telah mengambil ancaman terbaru dan dampak pada berbagai aspek kehidupan dan bisnis. Penulis menyimpulkan bahwa cybercrime di Indonesia diklasifikasikan sebagai serius (sangat berbahaya) karena dapat menyebabkan masalah nasional. Kegiatan ini dilakukan dengan pemberian sosialisasi dengan menggunakan metode ceramah dan diskusi, serta bertanya jawab bersama peserta. Bentuk dalam penyampaian materi yaitu slide powerpoint yang dipaparkan dan di edarkan pada saat kegiatan berlangsung. Oleh karena itu, pemahaman mengenai sosialisasi pencegahan cybercrime sangat penting untuk disampaikan kepada para guru di SD Negeri 132408, Tanjungbalai Selatan. Melalui pelatihan ini, diharapkan mereka dapat menjadi pengguna internet yang lebih bijak dan mampu menghindari risiko sebagai pelaku maupun korban kejahatan cybercrime.
Kata kunci: cybercrime; sosialisasi; pencegahan
Abstract:Optimizing the library space at OPPM Pondok Modern Darussalam Gontor aims to improve the book layout, classification system, and space design initiatives to increase the efficiency of borrowing books for students. The problems…
oblems faced include sloppy book layout, an ineffective classification system, and a lack of design initiative from library administrators. The implementation method uses a Participatory Action Research (PAR) approach, which involves several stages of socializing the layout design to administrators, implementing a new classification system, writing books according to classification, and creating Standard Operating Procedures (SOP) for daily, weekly and monthly activities. Familiarization provides an understanding of ergonomic design principles, while a new classification system and book fireplace make it easier to find and return books. Creating SOPs ensures consistent and efficient implementation. The results of this method show significant improvements in library management and user experience, with students finding it easier to access and borrow books and library administrators carrying out their duties in a more structured manner.
Keywords: optimization; libraries; layout design
Abstrak: Optimalisasi ruang perpustakaan di OPPM Pondok Modern Darussalam Gontor bertujuan untuk memperbaiki tata letak buku, sistem klasifikasi, dan inisiatif desain ruang untuk meningkatkan efisiensi peminjaman buku bagi siswa. Permasalahan yang dihadapi antara lain tata letak buku yang tidak rapi, sistem klasifikasi yang tidak efektif, dan kurangnya inisiatif desain dari pengelola perpustakaan. Metode pelaksanaannya menggunakan pendekatan Participatory Action Research (PAR) yang meliputi beberapa tahapan yaitu sosialisasi desain tata ruang kepada pengelola, penerapan sistem klasifikasi baru, penulisan buku sesuai klasifikasi, dan pembuatan Standard Operating Procedure (SOP) harian, mingguan dan kegiatan bulanan. Pembiasaan memberikan pemahaman tentang prinsip-prinsip desain ergonomis, sementara sistem klasifikasi baru dan perapian buku memudahkan pencarian dan pengembalian buku. Membuat SOP memastikan implementasi yang konsisten dan efisien. Hasil dari metode ini menunjukkan peningkatan yang signifikan dalam pengelolaan perpustakaan dan pengalaman pengguna, siswa menjadi lebih mudah mengakses dan meminjam buku serta pengelola perpustakaan menjalankan tugasnya secara lebih terstruktur.
Kata kunci: optimalisasi; perpustakaan, desain tata letak
Abstract:Abstract: Statistics and research are two things that cannot be separated. Although there are types of research that do not require the dominant role of statistics (qualitative research), but to be able to produce conclusions…
sions that can be generalized to a wider population, statistics is needed. Such research is quantitative research with a positivistic paradigm, ie a phenomenon is real if it can be seen, measured, and classified. The application of statistical science which is generally needed by students in writing research such as theses and theses, will have a positive impact, especially in improving the quality of the research. To achieve this goal, it is necessary to conduct socialization to students. The socialization was carried out to several students from both state universities and private universities in the city of Palembang. The socialization was done by introducing and giving tutorials on how to use statistical applications such as SPSS and Eviews, because several lecturers at several universities in Palembang complained about the poor quality of research and some said that their students did not really understand how to use SPSS and Eviews. The first result of this service is that students' understanding of SPSS and Eviews can be seen from discussions and questions and answers, second, namely the ability of students to apply the use of SPSS and Eviews in research.
Keywords: research; socialization; statistics
Abstrak: Statistik dan penelitian merupakan dua hal yang tidak bisa dipisahkan. Meskipun ada jenis penelitian yang tidak membutuhkan peranan statistika yang dominan (penelitian kualitatif), namun untuk dapat menghasilkan kesimpulan yang dapat digeneralisasikan ke populasi yang lebih luas diperlukan ilmu statistika. Penelitian yang demikian adalah penelitian kuantitatif dengan paradigma yang positivistik, yakni suatu gejala itu adalah nyata jika bisa dilihat, diukur, dan diklasifikasikan. Penerapan ilmu statistik yang umumnya dibutuhkan mahasiswa dalam penulisan penelitian seperti skripsi dan tesis, akan berdampak positif terutama dalam meningkatan kualitas penelitian tersebut. Untuk mencapai tujuan tersebut maka perlu diadakan sosialisasi kepada mahasiswa. Sosialisasi dilakukan pada beberapa mahasiswa baik dari perguruan tinggi negeri maupun perguruan tinggi swasta di Kota Palembang. Sosialisasi dilakukan dengan cara mengenalkan dan memberikan tutorial bagaimana penggunaan aplikasi statistic seperti, SPSS dan Eviews, karena beberapa dosen di beberapa universitas di Palembang mengeluhkan buruknya kualitas penelitian dan ada juga yang mengatakan bahwa mahasiswa mereka tidak begitu mengerti cara penggunaan SPSS dan Eviews. Hasil dari pengabdian ini yang pertama adalah pemahaman mahasiswa mengenai SPSS dan Eviews dapat dilihat dari diskusi dan tanya jawab, kedua yaitu kemampuan mahasiswa dalam menerapkan penggunaan SPSS dan Eviews dalam penelitian.
Kata Kunci: penelitian; sosialisasi; statistik
Abstract:Abstract: Existing IoT anomaly detection studies have achieved high classification performance, but most focus on accuracy and F1-score without explicitly controlling the false positive rate (FPR). In addition, many approaches…
oaches rely on a single detection perspective, limiting their operational reliability. To address this gap, this study proposes a hybrid anomaly detection framework integrating Long Short-Term Memory (LSTM), Shannon entropy, and autoencoder reconstruction error. Shannon entropy is incorporated as an additional feature, while LSTM and the autoencoder capture temporal and reconstruction characteristics. The resulting hybrid representation is processed by a constraint-based threshold selection mechanism that enforces FPR . Experiments on the TON-IoT and Edge-IIoTset datasets achieved average F1-scores of 0.9250 and 0.9934, while maintaining average FPR values of 0.0091 and 0.0714, respectively. Analysis of entropy distributions showed consistent differences between normal and anomalous traffic across both datasets, indicating that Shannon entropy provides discriminative information for anomaly detection. These results demonstrate strong detection performance with controlled false alarms, while ablation studies confirm the significant contribution of Shannon entropy to overall model performance.
Keywords: false positive rate; hybrid deep learning; Internet of Things; network anomaly detection; Shannon entropy
Abstrak: Penelitian deteksi anomali Internet of Things (IoT) telah menunjukkan performa klasifikasi yang tinggi, namun sebagian besar masih berfokus pada accuracy dan F1-score tanpa mengendalikan false positive rate (FPR) secara eksplisit. Selain itu, banyak pendekatan hanya memanfaatkan satu perspektif deteksi sehingga reliabilitas operasionalnya masih terbatas. Untuk mengatasi kesenjangan tersebut, penelitian ini mengusulkan kerangka deteksi anomali hybrid yang mengintegrasikan Long Short-Term Memory (LSTM), Shannon entropy, dan autoencoder reconstruction error. Shannon entropy digunakan sebagai fitur tambahan, sedangkan LSTM dan autoencoder menangkap karakteristik temporal dan deviasi rekonstruksi. Representasi hybrid yang dihasilkan kemudian diproses melalui mekanisme constraint-based threshold selection dengan batas FPR . Hasil pengujian pada dataset TON-IoT dan Edge-IIoTset menghasilkan F1-score rata-rata sebesar 0,9250 dan 0,9934, dengan FPR rata-rata sebesar 0,0091 dan 0,0714. Perbedaan nilai entropy yang konsisten antara trafik normal dan anomali pada kedua dataset menunjukkan bahwa Shannon entropy menyediakan informasi diskriminatif untuk deteksi anomali. Hasil tersebut menunjukkan performa deteksi yang kuat dengan false alarm yang terkendali, sementara studi ablasi mengonfirmasi kontribusi signifikan Shannon entropy terhadap performa model.
Kata kunci: deteksi anomali jaringan; false positive rate; hybrid deep learning; Internet of Things; Shannon entropy
Abstract:Abstract: Student graduation is an urgent matter that is an indicator of the success of a university in producing its learning output. Several factors influence student graduation such as GPA, attendance, late taking credits,…
dits, and lack of student involvement in academic activities. The urgency of this research, universities need a method that is able to predict student graduation early so that it can provide academic intervention to students who have the potential to experience delays or fail to graduate. However, limited access to real academic data is often an obstacle in the development of predictive models, Therefore, this study aims to implement the XGBoost algorithm to predict student graduation based on several academic variables, namely the Cumulative Grade Point Average (GPA), the number of credits taken, the percentage of attendance, and the average grade of students. Model training using the XGBoost algorithm using a simulation dataset of 500 students who are labeled as graduating into two classes, namely passed and failed. The results of the study showed that the classification performance was very good with an accuracy value of 99.6%, Precision 99.7%, recall 99.4%.
Keywords: xgboost algorithm; data mining; student graduation
Abstrak: Kelulusan mahasiswa merupakan hal urgensi yang menjadi indikator keberhasilan sebuah perguruan tinggi dalam menghasilkan output pembelajarannya. Beberapa Faktor yang mempengaruhi kelulusan mahasiswa seperti IPK, kehadiran, keterlambatan pengambilan SKS, serta kurangnya keterlibatan mahasiswa dalam aktifitas akademik. Yang menjadi urgensi penelitian ini, Perguruan tinggi memerlukan suatu metode yang mampu memprediksi kelulusan mahasiswa secara dini sehingga dapat memberikan intervensi akademik kepada mahasiswa yang berpotensi mengalami keterlambatan atau tidak lulus. Namun, keterbatasan akses terhadap data akademik riil sering menjadi kendala dalam pengembangan model prediksi, Oleh karena itu, penelitian ini bertujuan mengimplementasikan algoritma XGBoost untuk memprediksi kelulusan mahasiswa berdasarkan beberapa variabel akademik, yaitu Indeks Prestasi Kumulatif (IPK), jumlah SKS yang ditempuh, persentase kehadiran, dan nilai rata-rata mahasiswa. Pelatihan model menggunakan algoritma XGBoost dengan menggunakan dataset simulasi 500 mahasiswa yang diberi label kelulusan menjadi dua kelas yaitu lulus dan tidak lulus. Hasil penelitian menunjukan bahwa performance klasifikasi yang sangat baik dengan nilai accurasi sebesar 99,6%, Precision 99,7%, recall 99,4%.
Kata kunci: algoritma xgbosst; kelulusan mahasiswa; penambangan data
Abstract:Abstract: The advancement of digital technology has made it easier to create, process, and distribute files—using 317 files from the dataset https://www.kaggle.com/datasets/axon data/selfie-and-official-id-photo-dataset-18k…
t-18k images?select=metadata_image.csv has also introduced new challenges, such as the increasing practice of digital file manipulation that is difficult to detect visually. Therefore, an intelligent digital forensics system that can automatically and accurately detect file authenticity is required. This study aims to develop an intelligent digital forensics system for detecting file manipulation by leveraging metadata analysis and the Random Forest classification method. The methods used include extracting metadata from digital files—such as time information, device details, and processing history—followed by analysis to identify patterns of inconsistency that indicate manipulation. This data is then used as features in the classification process using the Random Forest algorithm to distinguish between original and manipulated files. The results of this study are expected to show that the use of metadata analysis combined with the Random Forest algorithm can improve accuracy in detecting digital file manipulation compared to conventional methods. The resulting system is expected to provide an effective, efficient, and integrated solution to support digital forensic investigations, Based on the test results, the system demonstrated good performance with an accuracy rate of 94%.
Keywords: Digital Forensics;File Manipulation;Metadata Analysis;Random Forest;Classification;Machine Learning
Abstrak:Perkembangan teknologi digital telah meningkatkan kemudahan dalam pembuatan, pengolahan,dan distribusi file sebanyak 317 file, sumber datasets https:// www.kaggle.com/datasets/axondata/selfie-and-official-id-photo-dataset-18k-images?select =metadata_image.csv, namun juga menimbulkan tantangan baru berupa meningkatnya praktik manipulasi file digital yang sulit dideteksi secara kasat mata. Oleh karena itu, diperlukan suatu sistem forensik digital yang cerdas dan mampu mendeteksi keaslian file secara otomatis dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem forensik digital cerdas untuk deteksi manipulasi file dengan memanfaatkan analisis metadata dan metode klasifikasi Random Forest. Metode yang digunakan meliputi proses ekstraksi metadata dari file digital, seperti informasi waktu, perangkat, dan riwayat pengolahan, kemudian dilakukan analisis untuk menemukan pola ketidaksesuaian yang mengindikasikan adanya manipulasi. Selanjutnya, data tersebut digunakan sebagai fitur dalam proses klasifikasi menggunakan algoritma Random Forest untuk membedakan antara file asli dan file yang telah dimanipulasi. Hasil dari penelitian ini diharapkan menunjukkan bahwa penggunaan analisis metadata yang dikombinasikan dengan algoritma Random Forest mampu meningkatkan akurasi dalam mendeteksi manipulasi file digital dibandingkan metode konvensional. Sistem yang dihasilkan dapat memberikan solusi yang efektif, efisien, dan terintegrasi dalam mendukung proses investigasi forensik digital, Berdasarkan hasil pengujian, sistem menunjukkan performa yang baik dengan tingkat akurasi sebesar 94%.
Kata Kunci: Forensik Digital, Manipulasi File, Metadata, Random Forest, Klasifikasi, Machine Learning.