Deteksi phising website menggunakan algoritma Support Vector Machine dengan optimasi Chaotic Particle Swarm Optimization

Asshiddiqi, Ammar Al Hakim (2024) Deteksi phising website menggunakan algoritma Support Vector Machine dengan optimasi Chaotic Particle Swarm Optimization. S1 thesis, Universitas Ahmad Dahlan.

[thumbnail of JUDUL] Text (JUDUL)
T1_2000018377_JUDUL__240622093958.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[thumbnail of BAB I] Text (BAB I)
T1_2000018377_BAB_I__240622093958.pdf
Restricted to Repository staff only
Download (130kB) | Request a copy
[thumbnail of BAB II] Text (BAB II)
T1_2000018377_BAB_II__240622093958.pdf
Restricted to Repository staff only
Download (316kB) | Request a copy
[thumbnail of BAB III] Text (BAB III)
T1_2000018377_BAB_III__240622093958.pdf
Restricted to Repository staff only
Download (318kB) | Request a copy
[thumbnail of BAB IV] Text (BAB IV)
T1_2000018377_BAB_IV__240622093958.pdf
Restricted to Repository staff only
Download (620kB) | Request a copy
[thumbnail of BAB V] Text (BAB V)
T1_2000018377_BAB_V__240622093958.pdf
Restricted to Repository staff only
Download (99kB) | Request a copy
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
T1_2000018377_DAFTAR_PUSTAKA__240622093958.pdf
Restricted to Repository staff only
Download (99kB) | Request a copy

Abstract

Phishing adalah praktik penipuan daring yang menggunakan berbagai metode manipulatif website palsu untuk memperoleh informasi pribadi, seperti kata sandi, informasi kartu kredit, atau data keuangan lainnya, dengan menyamar sebagai entitas tepercaya. Deteksi terhadap website phising
sangat diperlukan oleh pengguna internet untuk mengetahui keaslian dari sebuah website sehingga bisa mencegah pencurian data, pencurian uang, dan lain-lain. Salah satu algoritma yang sering dipakai dalam pembuatan program adalah Support Vector Machine. Kelemahan dalam penggunaan metode
SVM sangat bergantung pada kualitas nilai hyperparameter, yaitu parameter penalti, dan fungsi kernel gammaْ(γ).ْSVM memerlukan proses pencarian nilai optimal dari suatu parameter yang ada, untuk itu digunakan hyperparameter sebagai parameter yang dapat disesuaikan yang memungkinkan
pengontrolan proses pelatihan model. Pemilihan hyperparameter yang optimal dapat menggunakan suatu algoritma yaitu Chaotic Particle Swarm Optimization. Penelitian ini mengeksplorasi penggunaan algoritma Chaotic Particle Swarm Optimization (CPSO) untuk mengoptimalkan parameter-parameter tersebut, yaitu C dan G dalam SVM untuk meningkatkan deteksi situs web phishing. SVM digunakan untuk membedakan situs web phishing dari situs web yang sah dengan memanfaatkan fitur-fitur yang relevan. CPSO diterapkan untuk menyesuaikan nilai-nilai parameter SVM, yang penting untuk menentukan kekakuan model dan kemampuannya dalam menangkap kompleksitas data.Penelitian ini dilakukan dengan menggunakan data website phising yang didapatkan dari UCI
Machine Learning Repository, dengan pemilihan setting parameter ukuran populasi sebesar 5 populasi, 10 populasi, 15 populasi, 20 populasi, 25 populasi, dan 30 populasi ,sedangkan iterasi maksimum sebesar 5, 10, 15, 20, 25, dan 30. Program dijalankan sebanyak 30 kali dan melakukan analisa dengan hasil yang didapatkan. Hasil percobaan menunjukkan bahwa pengaturan maxiter sebesar 10 dan ukuran populasi sebesar 10 memberikan peningkatan signifikan dalam akurasi
dibandingkan dengan nilai lainya.
Hasil eksperimen menunjukkan bahwa solusi terbaik berupa optimasi CPSO meningkatkan kinerja SVM dalam deteksi website phising. Berdasarkan penelitian kernel terbaik yang digunakan adalah polynomial dengan nilai accuracy tertinggi 0,981, precission 0,982, recall 0,979, f1 0,979, dan
specificity 0,984. Selanjutnya berdasarkan uji statistik non parametrik Wilcoxon signed rank test menunjukkan nilai signifikasi Asymp.Sig. 0.000 < 0.05 yang berarti performa algoritma CPSO adalah signifikan pada semua nilai.

Item Type: Thesis (S1)
Keyword: Support vector machine; chaotic particle swarm optimization; deteksi phising; hyperparameter
Subjects: T Technology > T Technology (General)
T Technology > TA Engineering (General). Civil engineering (General)
Divisi / Prodi: Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User: userperpus2 userperpus2
Date Deposited: 24 Jul 2024 01:21
Last Modified: 24 Jul 2024 01:21
URI: http://eprints.uad.ac.id/id/eprint/64617

Actions (login required)

View Item View Item