DETEKSI WEBSITE PHISHING MENGGUNAKAN TEKNIK FILTER PADA MODEL MACHINE LEARNING

Vikky Aprelia Windarni; Anggit Ferdita Nugraha; Surya Tri Atmaja Ramadhani; Dewi Anisa Istiqomah; Fiyas Mahananing Puri; Adi Setiawan

doi:10.24076/infosjournal.2023v6i01.1268

Authors

Vikky Aprelia Windarni Universitas Amikom Yogyakarta
Anggit Ferdita Nugraha Universitas Amikom Yogyakarta
Surya Tri Atmaja Ramadhani Universitas Amikom Yogyakarta
Dewi Anisa Istiqomah Universitas Amikom Yogyakarta
Fiyas Mahananing Puri Universitas Amikom Yogyakarta
Adi Setiawan Universitas Kristen Satya Wacana

DOI:

https://doi.org/10.24076/infosjournal.2023v6i01.1268

Keywords:

Decision Tree, Naive Bayes, Random Forest, Website Phising

Abstract

Phishing merupakan bentuk serangan pada dunia maya yang cukup popular, dimana pengguna dibuat untuk
mengunjungi situs web yang tidak sah. Pengguna ditipu untuk mengungkapkan informasi pribadinya seperti
username, password, informasi kartu kredit dan sebagainya. Maraknya phishing membuat kerugian dalam hal
privacy, bahkan terjadi penyalahgunaan data yang menyebabkan kerugian finansial. Tujuan dari penelitian ini
adalah peneliti ingin menggunakan machine learning dengan memanfaatkan fitur filter yang ada didalamnya yaitu
pearson correlation dan menerapkan 3 metode Naïve Bayes, Decision Tree dan Random Forest untuk menentukan
metode yang paling efektif dalam mendeteksi web phishing. Terdapat 4 alur penelitian yang digunakan oleh
peneliti, yaitu (1) Tahap persiapan, (2) Metode yang digunakan, (3) Analisa, dan (4) Evaluasi. Dari hasil penelitian
ini didapatkan bahwa penerapan metode Naïve Bayes memiliki nilai akurasi sebesar 60,4%, metode Decision Tree
memiliki nilai akurasi 94,4% dan metode Random Forest memiliki akurasi sebesar 96,3%. Sehingga dapat
disimpulkan bahwa metode yang paling efektif untuk mendeteksi web phishing adalah menggunakan Random
Forest karena memiliki tingkat akurasi sebesar 96.3%. Pada penelitian selanjutnya dapat dilakukan pada kasus
yang sama dengan menggunakan algoritma yang berbeda.