Perpustakaan Digital ITB

Kemajuan teknologi informasi dan komunikasi harus diimbangi dengan peningkatan kualitas manusia. Penyalahgunaan teknologi marak terjadi, dan korbannya tidak lain adalah manusia juga. Walaupun telah dilakukan peningkatan terhadap sistem keamanan, manusia masih menjadi celah besar bagi serangan social engineering. Salah satu bentuk serangan social engineering adalah penipuan berbasis panggilan telepon, yang banyak terjadi di Indonesia. Banyak penelitian dengan metode yang beragam telah dilakukan untuk menghadapi penipuan berbasis telepon. Namun, masih ada celah yang dapat diangkat untuk penelitian baru. Dalam penelitian ini, dilakukan perancangan dan pengembangan sistem deteksi penipu berbasis telepon dengan menggunakan algoritma klasifikasi machine learning untuk mengenali penutur pada percakapan telepon. Untuk menentukan algoritma klasifikasi yang akan digunakan, terlebih dahulu dilakukan eksperimen terhadap empat algoritma klasifikasi, yaitu Support Vector Machine (SVM), Gaussian Naive Bayes (GNB), Random Forest (RF), dan Linear Discriminant Analysis (LDA). Dari keempat algoritma tersebut, RF menghasilkan performa tertinggi dalam melakukan klasifikasi penutur berdasarkan fitur Mel-Frequency Cepstral Coefficient (MFCC) dan Formants, dengan nilai akurasi, presisi, recall, dan F1 masing-masing sebesar 89,45%, 91,47%, 89,45%, dan 88,55%. Sistem yang dirancang dan dikembangkan dalam penelitian ini berhasil bekerja secara real time dengan tingkat keberhasilan mengenali penutur sebesar 92,73% pada rekaman suara penutur tunggal dan 87,27% pada rekaman percakapan yang berisi dari lebih dari satu penutur. Sistem juga berhasil membedakan antara penutur lama yang sudah tersimpan di dataset dan penutur baru yang belum tersimpan, menggunakan SVM pada probabilitas prediksi dengan tingkat keberhasilan 100%. Dengan penggunaan fitur suara sebagai objek untuk mengenali penutur, sistem yang diusulkan ini tidak terikat nomor telepon yang mudah diganti oleh siapapun.