Wallhack Cheat Classification Untuk Game FPS Menggunakan YOLOv8 - Dalam bentuk buku karya ilmiah

Jurnal ini membahas pengembangan dan evaluasi sistem deteksi kecurangan pada video game menggunakan YOLOv8 dan beberapa model klasifikasi seperti SVM, Naive Bayes, Decision Tree, dan K-means. Deteksi kecurangan dalam video game sangat penting karena dapat merusak pengalaman bermain dan menurunkan kualitas komunitas pemain. Sistem ini dirancang untuk mengatasi tantangan dalam mendeteksi semua jenis kecurangan dan mengatasi masalah overfitting pada model deteksi. Hasil eksperimen menunjukkan bahwa YOLOv8 memberikan kinerja yang baik dengan precision 1.00 untuk kelas cheat dan 0.65 untuk kelas clean tanpa augmentasi, serta meningkatkan menjadi 1.00 dan 0.77 dengan augmentasi data. Model SVM dan Naive Bayes juga menunjukkan peningkatan kinerja dengan augmentasi, sedangkan Decision Tree dan K-means tidak memberikan hasil yang memuaskan. Augmentasi data secara keseluruhan meningkatkan kinerja deteksi kecurangan secara signifikan.