Evaluasi Keandalan Deteksi International Mobile Equipment Identity Menggunakan Metode YOLO dalam Konteks Keamanan Perangkat Seluler
Keywords:
AI, Metode You Only Look One, Deteksi Objek, Deteksi IMEIAbstract
Dalam era modern yang didominasi oleh konektivitas seluler, keamanan perangkat seluler menjadi semakin penting. Salah satu aspek kunci dari keamanan perangkat seluler adalah deteksi dan pencegahan penggunaan International Mobile Equipment Identity (IMEI) palsu atau tidak sah. IMEI adalah identifikasi unik yang melekat pada setiap perangkat seluler dan digunakan untuk mengidentifikasi dan melacak perangkat. Penelitian ini bertujuan untuk mengevaluasi keandalan deteksi IMEI menggunakan metode You Only Look Once (YOLO) dalam konteks keamanan perangkat seluler. YOLO adalah pendekatan deteksi objek yang cepat dan efisien, yang dapat digunakan untuk mendeteksi berbagai objek dalam satu frame gambar dengan akurasi tinggi.Metodologi penelitian ini melibatkan penggunaan dataset yang mencakup variasi IMEI palsu dan sah pada perangkat seluler. Selanjutnya, dilakukan pelatihan model YOLO menggunakan dataset tersebut untuk meningkatkan kemampuan deteksi IMEI.(Nafis Alfarizi et al., 2023) Evaluasi keandalan dilakukan melalui pengujian model pada dataset uji yang berbeda untuk mengukur akurasi, kecepatan deteksi, dan kemampuan generalisasi model. Hasil penelitian menunjukkan bahwa metode YOLO dapat memberikan deteksi IMEI dengan tingkat akurasi yang tinggi, bahkan dalam situasi yang kompleks. Kecepatan deteksi yang relatif tinggi juga memungkinkan penerapan real-time pada perangkat seluler. Selain itu, model yang dilatih mampu mengenali variasi IMEI palsu dengan baik, menunjukkan kemampuan generalisasi yang memuaskan. Penelitian ini memberikan kontribusi pada pengembangan sistem keamanan perangkat seluler dengan memanfaatkan metode YOLO untuk deteksi IMEI. Implikasi praktis dari penelitian ini adalah penyempurnaan sistem keamanan perangkat seluler untuk melindungi pengguna dari ancaman yang terkait dengan penggunaan IMEI palsu atau tidak sah.
References
Adiwibowo, J., Gunadi, K., & Setyati, E. (2020). Deteksi Alat Pelindung Diri Menggunakan Metode YOLO dan Faster R-CNN. Jurnal Infra, 8(2), 106–112. http://publication.petra.ac.id/index.php/teknik-informatika/article/view/10506
Gelar Guntara, R. (2023). Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(1), 55–60. https://doi.org/10.47233/jteksis.v5i1.750
Keputusan, P., Amanda, A. Z., Lestari, D. P., Basori, J. A., Satifa, R., Informatika, T., Komputer, F. I., Pamulang, U., Detection, F., & Network, C. N. (2023). PERBANDINGAN METODE YOU ONLY LOOK ONCE ( YOLO ) DAN METODE SINGLE SHOT DETECTOR ( SSD ) DALAM PENDETEKSIAN. 1(1), 140–146.
Nafis Alfarizi, D., Agung Pangestu, R., Aditya, D., Adi Setiawan, M., & Rosyani, P. (2023). Penggunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis. Jurnal Artificial Inteligent Dan Sistem Penunjang Keputusan, 1(1), 54–63. https://jurnalmahasiswa.com/index.php/aidanspk
Pramestya, R. H. (2018). Deteksi dan Klasifikasi Kerusakan Jalan Aspal Menggunakan Metode YOLO Berbasis Citra Digital. Institut Teknolgi Sepuluh Nopember, 91. http://repository.its.ac.id/59044/1/06111650010019-Master_Thesis.pdf
Sugianto, H. O. K., Widyadara, M. A. D., & Setiawan, A. B. (2022). Implementation of Face Recognition for Attendance Using Yolo V3 Method. Seminar Nasional Inovasi Teknologi, 6(2), 50–55. https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/2559
Fajri, R., & Fitria, F. (2023). Pengembangan Real-Time Object Detection System pada Perangkat Single-Board Computer. 4(2), 1154–1162. https://doi.org/10.30865/klik.v4i2.1224
Keputusan, P., Amanda, A. Z., Lestari, D. P., Basori, J. A., Satifa, R., Informatika, T., Komputer, F. I., Pamulang, U., Detection, F., & Network, C. N. (2023). PERBANDINGAN METODE YOU ONLY LOOK ONCE ( YOLO ) DAN METODE SINGLE SHOT DETECTOR ( SSD ) DALAM PENDETEKSIAN. 1(1), 140–146.
