UMN Knowledge Center

Implementasi Algoritma K-Means++ Clustering dan Random Forest untuk Klasifikasi Phishing URL

Satyawijaya, Reza (2018) Implementasi Algoritma K-Means++ Clustering dan Random Forest untuk Klasifikasi Phishing URL. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (715kB) | Preview
[img]
Preview
Text
HALAMAN_AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (723kB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (6MB)
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (842kB) | Preview

Abstract

Perkembangan teknologi komunikasi telah membantu memajukan bisnis dan berdampak dalam bidang sosial. Namun, selain itu, perkembangan teknologi juga menciptakan peluang untuk kriminal menyerang dan menipu. Salah satu cara yang dipakai kriminal adalah phishing. Phishing adalah sebuah metode yang digunakan kriminal untuk menipu dan mengecoh pengguna agar memberikan data personal dan sensitif. Selain blacklist, solusi lain yang diterapkan untuk menangani phishing adalah machine learning. Pada penelitian sebelumnya, ditemukan bahwa algoritma Random Forest menghasilkan akurasi paling besar dari algoritma lain untuk mengklasifikasi pishing URL. Classifier idealnya mengatahui informasi mengenai persebaran testing data. Oleh sebab itu, algoritma yang mengombinasikan teknik supervised learning dan unsupervised learning diajukan. Salah satu algoritma unsupervised learning adalah K-Means++ Clustering. Dalam penelitian ini dibuat sebuah sistem untuk mengklasifikasi phishing URL dengan menggabungkan algoritma K-Means++ Clustering dan Random Forest. Pengujian dilakukan dengan mengklasifikasi data dengan jumlah cluster sebanyak 2 sampai 10 dengan tiap jumlah cluster diuji 5 kali. Berdasarkan penelitian yang dilakukan, sistem menghasilkan akurasi sebesar 84.75%.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: K-Means++ Clustering, Machine Learning, Phishing, Random Forest, URL
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 05 Dec 2019 03:01
Last Modified: 11 Mar 2020 04:39
URI: http://kc.umn.ac.id/id/eprint/11271

Actions (login required)

View Item View Item