PERBANDINGAN METODE CNN-SVM DENGAN CNN-DECISSION TREE UNTUK DETEKSI PHISING BERBASIS URL

Amiinullah, Reza (2025) PERBANDINGAN METODE CNN-SVM DENGAN CNN-DECISSION TREE UNTUK DETEKSI PHISING BERBASIS URL. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.

	Text (Cover) organized (5).pdf Download (2MB)
	Text (Bab I) bab i.pdf Download (1MB)
	Text (Bab II) bab ii.pdf Restricted to Registered users only until 22 May 2028. Download (4MB)
	Text (Bab III) bab iii.pdf Restricted to Registered users only until 22 May 2028. Download (3MB)
	Text (Bab IV) bab iv.pdf Restricted to Registered users only until 22 May 2028. Download (6MB)
	Text (Bab V) bab v.pdf Download (715kB)
	Text (Daftar Pustaka) daftar pustaka.pdf Download (802kB)
	Text (Lampiran) lampiran.pdf Restricted to Repository staff only until 22 May 2028. Download (3MB)

Abstract

URL phishing adalah bentuk kejahatan digital yang mencuri data pribadi pengguna internet dengan menyamar sebagai situs web tepercaya. Kata "phishing" berasal dari kata asing "fishing", yang merujuk pada cara penipuan yang digunakan untuk menarik target. Tujuan utama URL phishing adalah untuk memperoleh informasi penting seperti kata sandi, nomor kartu kredit, atau data pribadi lainnya dengan mengarahkan target ke situs web yang tampak sah. Untuk melindungi pengguna dari ancaman ini, diperlukan sistem deteksi dan pencegahan yang efektif untuk mengidentifikasi URL yang mencurigakan. Studi ini mengusulkan untuk membandingkan dua model pembelajaran mesin hibrid, yaitu CNN-SVM dan CNN-Decision Tree, untuk mendeteksi serangan phishing berbasis URL. Dalam kedua model, jaringan saraf konvolusional (CNN) digunakan untuk melakukan ekstraksi fitur dari URL yang dianalisis. Fitur yang dihasilkan kemudian diklasifikasikan menggunakan mesin vektor pendukung (SVM) pada model pertama dan pohon keputusan pada model kedua. Hasil evaluasi menunjukkan bahwa pada skenario pertama, model CNN-SVM memiliki akurasi sebesar 0,835, tingkat recall sebesar 0,865, F1-Score sebesar 0,83, akurasi keseluruhan sebesar 82,86%, dan kehilangan akurasi sebesar 0,7020. Pada saat yang sama, model pohon keputusan CNN mencapai akurasi sebesar 0,86, tingkat ingatan sebesar 0,885, Skor F1 sebesar 0,865, akurasi keseluruhan sebesar 86,67%, dan kehilangan presisi sebesar 0,7436. Hasil penelitian menunjukkan bahwa kedua model memiliki kemampuan yang baik dalam mengidentifikasi URL phishing, dimana CNN-Decision Tree memiliki akurasi yang sedikit lebih baik pada seluruh skenario percobaan, dengan selisih sebesar 0,07%. Penelitian ini memberikan wawasan tentang efektivitas kedua pendekatan dalam mendeteksi ancaman phishing dan dapat menjadi dasar untuk pengembangan lebih lanjut di bidang keamanan siber. Kata kunci: Deteksi Phishing URL, CNN, SVM, Decission Tree

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Anggraeny, Fetty Tri	NIDN19820211 2021212 005	fettyanggraeny@upnjatim.ac.id
Thesis advisor	Akbar, Fawwaz Ali	NIDN19920317 2018031 002	fawwaz_ali.fik@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76 Computer software
Q Science > QA Mathematics > QA76.6 Computer Programming
Q Science > QA Mathematics > QA76.9 .A25 Computer Security
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.882 Internet
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Reza Aminullah

Date Deposited:

23 May 2025 07:13

Last Modified:

23 May 2025 07:13

URI:

https://repository.upnjatim.ac.id/id/eprint/36452