Pendeteksi Situs Website Phishing Menggunakan Metode Stochastic Gradient Boosting

Putri, I Gusti Agung Ayu Trisna Amanda (2024) Pendeteksi Situs Website Phishing Menggunakan Metode Stochastic Gradient Boosting. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002201084-Undergraduate_Thesis.pdf Restricted to Repository staff only until 1 October 2026. Download (6MB)

Abstract

Perkembangan teknologi jaringan dan komunikasi global yang pesat telah mengalihkan banyak aktivitas sehari-hari, seperti jejaring sosial dan perbankan elektronik, ke dunia maya, namun juga membuka peluang bagi serangan cyber seperti phishing. Serangan phishing melibatkan pembuatan situs web palsu untuk mencuri informasi sensitif pengguna internet, yang menyebabkan kerugian finansial yang signifikan. Penelitian ini mengusulkan sistem pendeteksi situs website phishing menggunakan metode Stochastic Gradient Boosting (SGB), yang terbukti efektif dalam tugas klasifikasi dan prediksi. Sistem ini berfokus pada analisis struktur URL sebagai ciri utama dalam mendeteksi situs web phishing. Melalui beberapa tahapan, seperti preprocessing data, implementasi model SGB (hyperparameter tuning, pelatihan model, dan pengujian model) serta evaluasi dan analisis hasil klasifikasi. Pengujian model pada penelitian ini, dilakukan dengan menggunakan empat skenario yang menghasilkan 64 hasil evaluasi model. Hasil evaluasi menunjukkan bahwa metode SGB mampu melakukan klasifikasi dengan sangat baik, dengan nilai rata-rata dari empat metrik evaluasi di atas 96%. Di mana hasil evaluasi model terbaik terdapat pada skenario ketiga yang menggunakan pembagian data 90%:10% dan tanpa penggunaan feature selection, menghasilkan nilai accuracy sebesar 97%, precision 96.8%, recall 97.2%, dan f1-score 97%. Hasil ini menunjukkan bahwa model SGB berhasil mengklasifikasikan URL phishing dan legitimate dengan sangat baik, jarang membuat kesalahan, sangat andal dalam mengidentifikasi URL phishing, dan menunjukkan keseimbangan yang sangat baik antara precision dan recall. Selain itu, Metode SGB terbukti mampu bekerja dengan baik menggunakan kompleksitas data yang tinggi dan penggunaan parameter yang tepat, sehingga efektif dalam melindungi pengguna dari kerugian finansial serta risiko keamanan.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi, Deteksi Phishing, Analisis URL, Stochastic Gradient Boosting. Classification, Phishing Detection, URL Analysis, Stochastic Gradient Boosting.
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA274.2 Stochastic analysis Q Science > QA Mathematics > QA76.6 Computer programming. Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	I Gusti Agung Ayu Trisna Amanda Putri
Date Deposited:	08 Aug 2024 08:47
Last Modified:	08 Aug 2024 08:47
URI:	http://repository.its.ac.id/id/eprint/113749

Actions (login required)

View Item