Alifah Fidela

Portable Document Format (PDF) merupakan salah satu format pembaca dokumen yang paling sering digunakan, Struktur objek pada PDF yang fleksibel dan mudah dalam penggunaanya. Sehingga, peretas menggunakan PDF untuk melakukan serangan. Dataset yang digunakan berasal dari dari Garba Rujukan Digital (GARUDA) yang terdiri dari kumpulan file PDF. File PDF akan diekstraksi menggunakan tools pdfid untuk mendapatkan fitur yang akan digunakan pada proses klasifikasi multiclass. Dataset penelitian ini memiliki kondisi data yang tidak seimbang. Mengatasi data yang tidak seimbang dengan melakukan proses resampling menggunakan oversampling dengan SMOTE dan undersampling dengan NearMiss. Hasil klasifikasi dengan metode Random Forest menghasilkan tingkat akurasi sebesar 99,94%, presisi sebesar 99,95%, recall sebesar 99,94%, F1-Score sebesar 99,94% dan OOB-Error sebesar 0,06%. Kemudian dilakukan validasi untuk keakuratan model menggunakan Stratified Kfold Cross Validation dan hasil rata-rata akurasi tertinggi diperoleh dengan menggunakan 7-fold sebesar 99,74%.