Penerapan Algoritma Klasifikasi pada Machine Learning untuk Deteksi Phishing: Application of Classification Algorithms in Machine Learning for Phishing Detection

Rizky Fauzan; Anik Vega Vitianingsih; Dwi Cahyono; Anastasia Lidya Maukar; Yoyon Arie Budi Suprio

doi:10.57152/malcom.v5i2.1968

Authors

Rizky Fauzan Universitan Dr. Soetomo
Anik Vega Vitianingsih Universitas Dr. Soetomo
Dwi Cahyono Universitas Dr. Soetomo
Anastasia Lidya Maukar President University
Yoyon Arie Budi Suprio STIKOM PGRI Banyuwangi

DOI:

https://doi.org/10.57152/malcom.v5i2.1968

Keywords:

Cyber Security, Decision Tree, Deteksi URL Phishing, Naïve Bayes, Phishing, Random Forest

Abstract

Phishing merupakan salah satu bentuk kejahatan siber yang bertujuan mencuri informasi sensitif melalui metode penipuan, seperti situs web palsu yang menyerupai halaman resmi. Maka diperlukan sistem deteksi yang lebih akurat dan efisien untuk mengidentifikasi ancaman ini. Penelitian ini bertujuan untuk menganalisis penerapan algoritma klasifikasi dalam machine learning guna mendeteksi URL phishing. Algoritma yang digunakan dalam penelitian ini adalah Naïve Bayes, Random Forest, dan Decision Tree, yang diterapkan pada dataset yang dikumpulkan dari berbagai sumber. Dataset ini dianalisis menggunakan fitur berbasis Term Frequency - Inverse Document Frequency (TF-IDF) serta fitur numerik, seperti panjang URL, jumlah angka, karakter khusus, dan keberadaan kata kunci yang sering ditemukan dalam situs phishing. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score untuk mengukur efektivitas sistem deteksi yang dikembangkan. Hasil eksperimen menunjukkan bahwa model Random Forest memiliki performa terbaik dengan akurasi mencapai 97,2%, diikuti oleh Decision Tree (96,3%), sementara Naïve Bayes memiliki akurasi lebih rendah (85,3%). Model Random Forest juga memiliki keseimbangan yang baik antara precision dan recall, sehingga lebih andal dalam mendeteksi URL phishing. Penggunaan algoritma Machine Learning terbukti dapat meningkatkan efektivitas deteksi phishing secara signifikan.

Downloads

Download data is not yet available.

References

M. H. dan F. N. Wibowo, “Ancaman Phishing Terhadap Pengguna Sosial Media Dalam Dunia Cyber Crime,” JOEICT(Jurnal of Education and Information Communication Technology), vol. 1, no. 1, hlm. 1–5, 2017.

A. S. Y. dkk Irawan, “Identifikasi Website Phishing dengan Perbandingan Algoritma Klasifikasi,” Syntax: Jurnal Informatika, vol. 10, no. 1, hlm. 57–67, 2021.

S. , & N. M. J. Das, “A survey on types of machine learning techniques in intrusion prevention systems,” International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET), hlm. 2296–2299, 2017.

S. Hendrian, “Algoritma Klasifikasi Data Mining Untuk Memprediksi,” Faktor Exacta, vol. 11, no. 3, hlm. 266–274, 2018.

N. B. Putri dan A. W. Wijayanto, “Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing,” Komputika?: Jurnal Sistem Komputer, vol. 11, no. 1, hlm. 59–66, Jan 2022, doi: 10.34010/komputika.v11i1.4350.

A. S. Y. Irawan, N. Heryana, H. S. Hopipah, dan D. Rahma, “Identifikasi Website Phishing dengan Perbandingan Algoritma Klasifikasi,” Syntax?: Jurnal Informatika, vol. 10, no. 01, hlm. 57–67, Jun 2021, doi: 10.35706/syji.v10i01.5292.

A. F. Mahmud dan S. Wirawan, “Phishing Website Detection Using Machine Learning Classification Method,” SISTEMASI, vol. 13, no. 4, hlm. 1368, Jul 2024, doi: 10.32520/stmsi.v13i4.3456.

A. K. Kencana, F. D. Ananda, A. D. Hartanto, dan H. Hartatik, “Implementasi Metode Random Forest Klasifikasi untuk Phishing Link Detection,” Intechno Journal (Information Technology Journal), vol. 4, no. 2, hlm. 55–59, Des 2022, doi: 10.24076/intechnojournal.2022v4i2.1562.

M. R. Fatiha, I. Setiawan, A. N. Ikhsan, dan I. R. Yunita, “Optimisasi Sistem Deteksi Phishing Berbasis Web Menggunakan Algoritma Decision Tree,” Jurnal Ilmiah IT CIDA, vol. 10, no. 2, hlm. 97, Des 2024, doi: 10.55635/jic.v10i2.212.

A. dan P. E. Fatkhurohman, “Penerapan Algoritma Naïve Bayes Classifier Untuk Meningkatkan Keamanan Data Dari Website Phising,” RESPATI?: Jurnal Ilmiah Teknologi Informasi, vol. XIV, no. 1, hlm. 115–124, 2019.

R. N. Ramadhon, A. Ogi, A. P. Agung, R. Putra, S. S. Febrihartina, dan U. Firdaus, “Implementasi Algoritma Decision Tree untuk Klasifikasi Pelanggan Aktif atau Tidak Aktif pada Data Bank,” Karimah Tauhid, vol. 3, no. 2, hlm. 1860–1874, Feb 2024, doi: 10.30997/karimahtauhid.v3i2.11952.

V. A. Windarni, A. F. Nugraha, S. T. A. Ramadhani, D. A. Istiqomah, F. M. Puri, dan A. Setiawan, “Deteksi Website Phishing Menggunakan Teknik Filter Pada Model Machine Learning,” Information System Journal, vol. 6, no. 01, Agu 2023, doi: 10.24076/infosjournal.2023v6i01.1268.

I. A. I. A. dan A. A. S. A. A. S. Willy Sutina, “Pengaruh Algoritma Sequential Minimal Optimization Pada Support Vector Machine Untuk Klasifikasi Data (Influence Of Sequential Minimal Optimization Algorithm On Support Vector Machine For Data Classification),” Telkom University, 2010.

K. Bebhe, R. R. Widjaja, dan L. M. F. Purwanto, “Model Penelitian Eksperimen Pada Penelitian Tentang Bahan Dinding Bata Intercocking Tanah Putih Dan Sampah Plastik,” AKSELERASI: Jurnal Ilmiah Nasional, vol. 5, no. 2, hlm. 151–156, Okt 2023, doi: 10.54783/jin.v5i2.738.

J. Sihombing, “Klasifikasi Data Antroprometri Individu Menggunakan Algoritma Naïve Bayes Classifier,” BIOS?: Jurnal Teknologi Informasi dan Rekayasa Komputer, vol. 2, no. 1, hlm. 1–10, Mar 2021, doi: 10.37148/bios.v2i1.15.

Y. S. Sari, “Penerapan Metode Naïve Bayes Untuk Mengetahui Kualitas Air Di Jakarta,” Jurnal Ilmiah FIFO, vol. 13, no. 2, hlm. 222, Nov 2021, doi: 10.22441/fifo.2021.v13i2.010.

J. Alvares dan U. Anggoro Saputro, “Klasifikasi Short Message Service Spam Menggunakan Algoritma Naïve Bayes Classifier,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 12, no. 4, Okt 2023, doi: 10.30591/smartcomp.v12i4.4503.

R. N. Ramadhon, A. Ogi, A. P. Agung, R. Putra, S. S. Febrihartina, dan U. Firdaus, “Implementasi Algoritma Decision Tree untuk Klasifikasi Pelanggan Aktif atau Tidak Aktif pada Data Bank,” Karimah Tauhid, vol. 3, no. 2, hlm. 1860–1874, Feb 2024, doi: 10.30997/karimahtauhid.v3i2.11952.

D. Yusuf dan E. Sestri, “Metode Decision Tree Dalam Klasifikasi Kredit Pada Nasabah PT Bank Perkreditan Rakyat (Studi Kasus?: PT BPR Lubuk Raya Mandiri),” Jurnal Sistem Informasi (JUSIN), vol. 1, no. 1, hlm. 21–28, Okt 2020, doi: 10.32546/jusin.v1i1.855.

A. D. Harahap, D. Juardi, dan A. S. Y. Irawan, “Rancang Bangun Sistem Pendeteksi Link Phishing Menggunakan Algoritma Random Forest Berbasis Web,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, Agu 2024, doi: 10.23960/jitet.v12i3.4858.

A. Ferdita Nugraha, R. F. A. Aziza, dan Y. Pristyanto, “Penerapan metode Stacking dan Random Forest untuk Meningkatkan Kinerja Klasifikasi pada Proses Deteksi Web Phishing,” Jurnal Infomedia, vol. 7, no. 1, hlm. 39, Jun 2022, doi: 10.30811/jim.v7i1.2959.

N. Hernandoko, P. W. Laksono, dan C. N. Rosyidi, “Penerapan Sistem Kontrol Kualitas dengan Mengunakan Model CNN Transfer Learning VGG 19 pada Inspeksi Kain di Industri Tekstil,” Performa: Media Ilmiah Teknik Industri, vol. 23, no. 2, hlm. 166, Sep 2024, doi: 10.20961/performa.23.2.86589.

I. K. S. S. A. W. Fitra A. Bachtiar, “Perbandingan Algoritme Machine Learning untuk Memprediksi Pengambil Matakuliah,” Jurnal Teknologi Informasi dan Ilmu Komputer, hlm. 543–548, 2019.