WAHYUDI, DIKI (2020) APLIKASI PENDETEKSI WEBSITE PHISHING MENGGUNAKAN MACHINE LEARNING. Skripsi thesis, Universitas Hasanuddin.
![[thumbnail of Cover]](/3061/1.hassmallThumbnailVersion/20_D42115518_Cover1.jpg)
![](/3061/1.haspreviewThumbnailVersion/20_D42115518_Cover1.jpg)
20_D42115518_Cover1.jpg
Download (5kB) | Preview
![[thumbnail of Bab 1-2]](/style/images/fileicons/text.png)
20_D42115518(FILEminimizer) ... ok 1-2.pdf
Download (669kB)
![[thumbnail of Dapus]](/style/images/fileicons/text.png)
20_D42115518(FILEminimizer) ... ok dapus-lam.pdf
Download (2MB)
![[thumbnail of Full Text]](/style/images/fileicons/text.png)
20_D42115518(FILEminimizer) ... ok.pdf
Restricted to Repository staff only
Download (4MB)
Abstract (Abstrak)
Phishing merupakan tindakan untuk mendapatkan informasi penting seseorang berupa username, password, dan informasi sensitif lainnya dengan memberikan website palsu yang mirip dengan aslinya. Phishing (memancing informasi penting) adalah suatu bentuk tindakan kriminal yang bermaksud untuk mendapatkan informasi rahasia dari seseorang, seperti username, password dan kartu kredit, dengan menyamar sebagai orang atau bisnis yang tepercaya dalam sebuah komunikasi elektronik resmi, seperti surat elektronik atau pesan instan. Seiring dengan perkembangan penggunaan media elektronik, yang diikuti dengan meningkatnya pula cyber crime seperti salah satunya serangan phishing ini. Oleh karena itu, untuk meminimalisir serangan phishing dibutuhkan sebuah sistem yang dapat mendeteksi serangan tersebut. Machine Learning merupakan salah satu metode yang dapat digunakan untuk membuat sistem yang dapat mendeteksi phishing. Data yang digunakan dalam penelitian ini sebanyak 11055 data website, yang terbagi atas dua class yaitu “legitimate” dan “phishing”. Data ini kemudian dibagi dengan menggunakan 10-fold cross validation. Sedangkan algoritma yang digunakan adalah algoritma Support Vector Machine (SVM) yang dibandingkan dengan algoritma decision tree dan k-nearest neighbor dengan melakukan optimasi parameter pada setiap algoritma. Dari hasil pengujian pada penelitian ini diperoleh akurasi sistem terbaik 85.71% menggunakan SVM kernel polynomial dengan nilai degree 9 dan C 2.5.
Kata Kunci: phishing, machine learning, support vector machine (SVM), ekstraksi fitur, optimasi parameter.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | T Technology > T Technology (General) |
Depositing User: | S.Sos Rasman - |
Date Deposited: | 08 Mar 2021 04:54 |
Last Modified: | 08 Mar 2021 04:54 |
URI: | http://repository.unhas.ac.id:443/id/eprint/3061 |