PENERAPAN FEDERATED XGBOOST UNTUK DETEKSI ALAMAT BERISIKO PADA TRANSAKSI BLOCKCHAIN ETHEREUM DALAM SKENARIO SIMULASI MULTI EXCHANGE

Penelitian ini mengevaluasi penerapan federated XGBoost untuk deteksi alamat berisiko pada transaksi blockchain Ethereum dalam skenario simulasi multi exchange. Penelitian ini menggunakan centralized learning sebagai baseline untuk menilai sejauh mana pendekatan federated mampu mempertahankan utilitas model pada kondisi data terdistribusi tanpa berbagi data mentah. Eksperimen dilakukan melalui partisi horizontal berbasis Independent and Identically Distributed (IID), yaitu asumsi bahwa distribusi data pada setiap exchange bersifat seragam dan independen. Evaluasi mencakup metrik utilitas model berupa PR-AUC, precision, recall, F1-score, dan accuracy, serta aspek operasional berupa runtime dan communication cost. Hasil penelitian menunjukkan bahwa federated XGBoost mampu mempertahankan performa yang kompetitif terhadap centralized baseline, dengan PR-AUC sebesar 0,9962 dibandingkan 0,9975 dan akurasi sebesar 97,11% dibandingkan 97,75%. Hasil tersebut menunjukkan adanya degradasi utilitas yang relatif kecil pada skenario distribusi homogen. Analisis konvergensi menunjukkan bahwa model federated mencapai performa terbaik pada round ke-4 dan cenderung stabil pada round berikutnya, meskipun hasil akhir pada test set mengalami penurunan dibandingkan performa validasi. Temuan ini mengindikasikan adanya trade off antara utilitas model dan efisiensi operasional, karena performa yang mendekati centralized learning diperoleh dengan konsekuensi tambahan berupa peningkatan end to end runtime dan communication overhead. Keterbatasan penelitian ini terletak pada penggunaan skenario simulasi IID dan belum mencakup kondisi non IID, jumlah client yang lebih besar, maupun integrasi langsung pada sistem exchange nyata. Penelitian selanjutnya disarankan untuk mengevaluasi federated XGBoost pada skenario non IID, menguji skala federasi yang lebih luas, serta menerapkan optimasi komunikasi dan mekanisme privacypreserving tambahan.