PENDEKATAN BERBASIS AI UNTUK MENDETEKSI PENYALAHGUNAAN PERIZINAN FREKUENSI RADIO

DINATA, ARIA (2025) PENDEKATAN BERBASIS AI UNTUK MENDETEKSI PENYALAHGUNAAN PERIZINAN FREKUENSI RADIO. Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) 0_compressed (13).pdf Download (722kB)
	Text (BAB 1) 1.pdf Download (480kB)
	Text (DAFTAR PUSTAKA) D.pdf Download (584kB)
	Text (FULLBAB SKRIPSI) F_compressed (35).pdf Restricted to Repository staff only Download (2MB)
	Text (LAMPIRAN) L.pdf Download (1MB)

Abstract

Permintaan spektrum frekuensi radio di Indonesia yang terus meningkat menghadirkan tantangan bagi otoritas regulasi dalam mendeteksi ketidakteraturan dan penyalahgunaan izin. Metode manual terbukti kurang efektif menghadapi skala dan kompleksitas data perizinan, sehingga diperlukan pendekatan otomatis berbasis kecerdasan buatan. Penelitian ini mengusulkan kerangka deteksi anomali menggunakan dua algoritma pembelajaran mesin tanpa pengawasan, yaitu Isolation Forest dan Local Outlier Factor (LOF). Dataset berlabel yang terdiri atas 162.494 catatan izin frekuensi dari tahun 2022–2024, diperoleh dari Balai Monitor Spektrum Frekuensi Radio Kelas I Palembang, digunakan dalam pelatihan dan evaluasi model. Data diproses melalui prapemrosesan, pemilihan fitur, serta reduksi dimensi yang mencakup indikator teknis, regulasi, spasial, dan finansial. Hasil evaluasi menunjukkan bahwa Isolation Forest memberikan kinerja terbaik, dengan akurasi 80,13%, skor AUC 86,70%, serta recall 68,02%. Visualisasi dengan UMAP dan kurva ROC memperkuat temuan tersebut. Sebuah prototipe API juga dikembangkan untuk demonstrasi prediksi real-time dan potensi integrasi ke dalam sistem pemantauan regulasi. Penelitian ini mendukung transformasi digital dalam tata kelola spektrum frekuensi dengan menyediakan solusi AI yang efektif dan skalabel untuk mendeteksi anomali, menekan kecurangan, serta meningkatkan pengawasan regulasi.

Actions (login required)

View Item