Implementasi Recursive Feature Elimination dan Support Vector Machine untuk Deteksi Wesbite Phishing

Surya Marcelo, Feliciano (2024) Implementasi Recursive Feature Elimination dan Support Vector Machine untuk Deteksi Wesbite Phishing. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (215kB)
	PDF BAB_II.pdf Download (524kB)
	PDF BAB_III.pdf Download (289kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (341kB)
	PDF BAB_V.pdf Download (204kB)
	PDF DAFTAR_PUSTAKA.pdf Download (208kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (3MB)

Abstract

Perkembangan teknologi semakin hari semakin pesat terutama pada bidang Teknologi Informasi. Website menjadi salah satu akses informasi yang banyak digunakan oleh manusia untuk mendapatkan informasi, melakukan proses bisnis, dan lain-lain. Perkembangan dan kegunaan website yang semakin canggih juga membuat banyak pihak yang tidak bertanggung jawab melakukan kejahatan untuk mendapatkan keuntungan. Website phishing adalah cara yang populer untuk melakukan penipuan melalui teknologi informasi. Fitur-fitur yang ada dalam website menjadi salah satu sarana yang digunakan untuk melakukan phishing. Algoritma Support Vector Machine (SVM) adalah salah satu cara yang dapat diimplementasikan dalam mendeteksi website phishing dengan melakukan klasifikasi melalui pengecekan fitur-fitur website. Namun, algoritma SVM tidak mampu mendeteksi fitur yang banyak sehingga tingkat akurasi dan optimasi yang dihasilkan juga tidak baik. Berdasarkan dataset yang pernah dicoba, algoritma SVM hanya mendapatkan sekitar 60% sampai 70% akurasi. Penggunaan feature selection Recursive Feature Elimination (RFE) adalah salah satu cara yang dapat dilakukan untuk menutupi kekurangan dari SVM. Dengan melakukan eliminasi fitur yang tidak berpengaruh, RFE membuat algoritma SVM mendapatkan tingkat akurasi yang lebih tinggi pada dataset yang tersedia yaitu peningkatan sebesar 0.15% dengan akurasi sebesar 96.09%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Klasifikasi, Feature Selection, Recursive Feature Elimination, Support Vector Machine, Website Phishing Detection
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Nov 2024 12:02
Last Modified:	09 Nov 2024 12:02
URI:	https://kc.umn.ac.id/id/eprint/33958

Actions (login required)

View Item