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.

Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (715kB) | Preview
Preview	Text HALAMAN_AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (723kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (6MB)
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
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)
Keywords:	K-Means++ Clustering, Machine Learning, Phishing, Random Forest, URL
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	05 Dec 2019 03:01
Last Modified:	25 Aug 2023 07:05
URI:	https://kc.umn.ac.id/id/eprint/11271

Actions (login required)

View Item