View/Open

Author
Mohammad, Al Muktabar

Advisor
Meida Cahyo Untoro, S.Kom., M.Kom,
Aidil Afriansyah, S.Kom., M.Kom,

Koleksi
Teknik Informatika

Publisher

Phishing merupakan salah satu kejahatan siber yang terus berkembang dengan melibatkan pembuatan situs web palsu untuk mencuri informasi pengguna. Serangan phishing semakin meningkat setiap tahun, terutama melalui media sosial, serangan ini menyebabkan kerugian finansial dan pencurian data pribadi. Untuk mendeteksi situs phishing, penggunaan algoritma pembelajaran mesin seperti XGBoost banyak digunakan karena kinerjanya yang cepat dan akurat. Namun, agar XGBoost mencapai kinerja optimal, diperlukan penyetelan hyperparameter yang tepat. Penelitian ini mengimplementasikan algoritma XGBoost menggunakan pendekatan Diversity Oriented Firefly Algorithm (DOFA) untuk mengoptimalkan hyperparameter XGBoost dalam mendeteksi situs phishing. Metode penelitian yang digunakan meliputi identifikasi masalah, studi literatur, pengumpulan data melalui platform Kaggle dan UCI Machine Learning berjumlah 822.010 data pelatihan dan 1000 data pengujian, preprocessing data yang menghasilkan 634.926 data dengan 26 fitur, rancangan pemodelan melibatkan dua skenario yaitu XGBoost default dan DOFA-XGBoost dengan teknik evaluasi yang terdiri dari akurasi, presisi, recall, f1-score, dan kurva ROC. Hasil Penelitian menunjukkan bahwa optimasi menggunakan DOFA secara signifikan meningkatkan kinerja XGBoost sebesar 0.62% untuk akurasi, presisi 0.90%, recall 0.04%, F1-score 1.04%, dan nilai AUC meningkat sebesar 0.004. Model dengan performa terbaik dikembangkan menjadi program pendeteksi situs phishing yang dapat menerima inputan pengguna. Pengujian program terhadap 1000 data menunjukkan akurasi deteksi program sebesar 78.70% yang terdiri dari 359 URL phishing dan 428 URL legal yang benar dideteksi model.

URI
https://repo.itera.ac.id/depan/submission/SB2412200018

Keyword
phishing XGBoost Hyperparameter Firefly Algorithm DOFA