OPTIMALISASI ALGORITMA SUPPORT VECTOR MACHINE DENGAN HYPERPARAMETER TUNING MENGGUNAKAN TEKNIK RANDOMSEARCHCV UNTUK KLASIFIKASI ANOMALI PADA DATA LOGIN = OPTIMIZATION OF THE SUPPORT VECTOR MACHINE ALGORITHM USING HYPERPARAMETER TUNING WITH RANDOMSEARCHCV TECHNIQUE FOR ANOMALY CLASSIFICATION IN LOGIN DATA

Peningkatan serangan siber secara global menekankan pentingnya langkah keamanan siber yang lebih tangguh, terutama dalam mendeteksi pengambilalihan akun (account takeover). Insiden ini terjadi ketika pihak tidak berwenang mengakses akun pengguna, yang dapat menyebabkan kerugian finansial, pelanggaran data, dan kerusakan reputasi. Tantangan utama dalam mendeteksi pengambilalihan akun adalah kemiripannya dengan lalu lintas jaringan yang sah, sehingga sulit diidentifikasi dengan metode tradisional. Penelitian ini mengusulkan penggunaan algoritma Support Vector Machine (SVM) dengan kernel linear yang dioptimalkan menggunakan RandomizedSearchCV untuk mendeteksi anomali pada data login. Dataset mencakup atribut seperti alamat IP, lokasi geografis, penyedia jaringan, jenis perangkat, waktu masuk, dan indikator aktivitas mencurigakan. Pra-pemrosesan dilakukan dengan Interquartile Range (IQR) untuk menghapus outlier serta Synthetic Minority Oversampling Technique (SMOTE) untuk menyeimbangkan data kelas minoritas. Proses ini memastikan kualitas data yang optimal sebelum analisis lebih lanjut. Hasil penelitian menunjukkan bahwa model SVM mencapai presisi, recall, skor F1, dan akurasi sebesar 99%, membuktikan efektivitasnya dalam mendeteksi anomali dan menangani data tidak seimbang