Artamevia, Nabilla (2025) Komparasi algoritma naive bayes, simple logistic, random forest, dan decision tree j48 dalam klasifikasi situs web phishing. Sarjana thesis, Universitas Muria Kudus.

Preview	Text (Halaman Judul) Halaman Judul.pdf - Published Version Download | Baca Disini
Preview	Text (Bab 1) Bab 1 TA.pdf - Published Version Download | Baca Disini
	Text (Bab 2) Bab 2 TA.pdf - Published Version Restricted to Registered users only Download
	Text (Bab 3) Bab 3 TA.pdf - Published Version Restricted to Registered users only Download
	Text (Bab 4) Bab 4 TA.pdf - Published Version Restricted to Registered users only Download
	Text (Bab 5) Bab 5 TA.pdf - Published Version Restricted to Registered users only Download
Preview	Text (Daftar Pustaka) Daftar Pustaka TA.pdf - Published Version Download | Baca Disini

Abstrak

Phishing adalah salah satu ancaman keamanan siber terbesar yang bertujuan mencuri informasi pribadi pengguna melalui situs web palsu. Penelitian ini bertujuan untuk membandingkan kinerja empat algoritma machine learning, yaitu Naive Bayes, Simple Logistic, Random Forest, dan Decision Tree J48, dalam mendeteksi situs web phishing. Selain itu, penelitian ini juga mengidentifikasi fitur paling signifikan yang berkontribusi dalam klasifikasi situs phishing, dengan harapan dapat meningkatkan efektivitas deteksi phishing. Metode penelitian melibatkan penggunaan dataset berisi 11.055 data situs web yang diolah dengan teknik SMOTE (Synthetic Minority Over-sampling Technique) untuk mengatasi ketidakseimbangan kelas. Evaluasi algoritma dilakukan menggunakan 10-Fold Cross Validation dan metrik evaluasi seperti akurasi, presisi, recall, F1 Score, MCC, dan ROC AUC. Setiap algoritma diuji untuk menentukan algoritma terbaik dalam mendeteksi situs phishing berdasarkan performa metrik tersebut. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik, dengan akurasi 97,60%, presisi 97,14%, recall 98,08%, dan F1 Score 97,61%. Fitur SSLfinal_State ditemukan sebagai atribut paling signifikan dalam mendeteksi situs phishing. Penelitian ini diharapkan dapat menjadi referensi bagi pengembangan sistem deteksi phishing yang lebih andal dan akurat.

Item Type:	Skripsi/ Thesis (Sarjana)
Dosen Pembimbing:	Dosen Pembimbing : 1. Alif Catur Murti, S.Kom, M.Kom Dosen Pembimbing : 2. Rizkysari Meimaharani, S.Kom, M.Kom
Kata Kunci:	Phishing, Naive Bayes, Simple Logistic, Random Forest, Decision Tree J48.
Subjects:	Teknologi > T1 Teknologi (Umum) > Teknologi Informasi Teknologi > T1 Teknologi (Umum)
Program Studi:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Mr Firman Al Mubaroq
Date Deposited:	05 Aug 2025 04:06
Last Modified:	05 Aug 2025 04:06
URI:	http://eprints.umk.ac.id/id/eprint/24883

Actions (login required)

View Item