Zaidan Amru Abdillah

Penelitian ini bertujuan mendeteksi akses situs judi online dienkripsi TLS/SSL menggunakan analisis sidik jari lalu lintas jaringan berbasis machine learning, tanpa akses konten untuk menjaga privasi. Latar belakang berfokus pada maraknya judi online ilegal tersembunyi di balik enkripsi, mengurangi efektivitas metode tradisional seperti DPI. Rumusan masalah meliputi identifikasi lalu lintas enkripsi, fitur statistik signifikan (ukuran paket, volume data, durasi sesi, frekuensi pertukaran), dan evaluasi Random Forest. Metodologi mencakup studi literatur, konsultasi ahli, pengumpulan dataset COMNETS (PCAP), ekstraksi fitur dengan Tshark, preprocessing (cleaning, encoding, splitting, normalisasi, balancing), dan pelatihan Random Forest dan pelatihan Random Forest (dengan variasi jumlah trees (64 dan 256) dan rasio data (80:20, 70:30, 40:60, 60:40). Hasil penelitian menunjukkan performa terbaik pada konfigurasi 64 trees dengan rasio 80:20, mencapai akurasi 99,2%, presisi 99,5%, recall 93,9%, dan F1-score 96,6%. Fitur utama seperti tls.handshake.extensions_server_name dan total_tcp_len_dst terbukti signifikan dalam membedakan lalu lintas judi online dari lalu lintas normal. Dengan demikian, model Random Forest terbukti efektif untuk deteksi akses situs judi online yang dienkripsi.