OPTIMISASI SISTEM DETEKSI PHISHING BERBASIS WEB MENGGUNAKAN ALGORITMA DECISION TREE

Muhammad Reza Fatiha, Ito Setiawan, Ali Nur Ikhsan, Ika Romadoni Yunita

Sari


Perkembangan teknologi informasi memudahkan berbagai aspek kehidupan, namun juga menghadirkan tantangan, seperti ancaman phishing. Phishing adalah serangan siber yang mengecoh pengguna untuk memberikan informasi sensitif, sering melalui email palsu atau situs web yang tampak resmi. Dampaknya luas, mencakup sektor perbankan, e-commerce, dan layanan pemerintah. Serangan ini terus berkembang dengan teknik yang semakin canggih, seperti penggunaan domain mirip dan social engineering, sehingga deteksi yang akurat menjadi kebutuhan mendesak. Penelitian ini mengembangkan sistem deteksi phishing berbasis web menggunakan algoritma Decision Tree dan metode Rapid Application Development (RAD). Dataset publik berisi 11.055 data dengan 26 atribut digunakan. Data diproses melalui penghapusan duplikasi, penanganan nilai hilang, dan normalisasi. Setelah dibagi menjadi 80% data pelatihan dan 20% data pengujian, model Decision Tree dibangun dan diuji menggunakan k-fold cross-validation. Model mencapai akurasi 95,07% dalam mendeteksi phishing. Metode RAD mendukung pengembangan sistem yang cepat dan efisien. Hasil ini diharapkan membantu individu dan perusahaan melindungi data dari serangan phishing. Penelitian mendatang dapat mengeksplorasi algoritma lain seperti Random Forest dan mengintegrasikan fitur real-time monitoring untuk meningkatkan perlindungan.


Teks Lengkap:

PDF

Referensi


M. Rizki, “Perkembangan Sistem Pertahanan/Keamanan Siber Indonesia dalam Menghadapi Tantangan Perkembangan Teknologi dan Informasi,” J. Ilmu Polit., vol. 14, no. 1, pp. 54–62, 2022.

F. Surahman, “11 Tantangan dalam Menjaga Keamanan Data,” J. Ilm. Multidisipline, vol. 1, no. 11, 2023.

I. A. Saputro, L. Sugiarto, and F. S. Nugraha, “Analisis Kesadaran Masyarakat Terhadap Bahaya Internet Phishing Menggunakan K-Means Clustering,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 9, no. 2, 2024.

N. B. Putri and A. W. Wijayanto, “Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing,” Komputika J. Sist. Komput., vol. 11, no. 1, pp. 59–66, 2022.

Amin Muftiadi Tri Putri Mulyadi Agustina and M. Evi, “Studi Kasus Keamanan Jaringan Komputer: Analisis Ancaman Phishing terhadap Layanan Online Banking,” J. Ilm. Tek., vol. 1, no. 2, pp. 60–65, 2022.

H. Ahmadian and A. Sabri, Teknik Penyerangan Phishing Pada Social Engineering Menggunakan Set dan Pencegahannya, vol. 2. 2021.

N. Vadila and A. R. Pratama, “Analisis Kesadaran Keamanan Terhadap Ancaman Phishing,” 2021.

I. A.-P. D. E. (IDADX), “Laporan Aktivitas Phishing Domain ~.ID.” 2023.

A. Kulkarni and L. L. Brown, “Phishing Websites Detection using Machine Learning,” vol. 10, 2019.

M. Ali, J. Khan, and S. Hussain, “A Comparative Study of URL Classification Algorithms for Phishing Detection,” J. Cyber Secur. Mobil., vol. 10, no. 2, pp. 137–156, 2021, doi: 10.13052/jcsm2245-1439.1021.

A. Sharif, K. A. Butt, and S. H. Asghar, “Phishing Detection in Cloud-Based Email Systems Using Machine Learning Techniques,” IEEE Access, vol. 8, pp. 150192–150208, 2020, doi: 10.1109/ACCESS.2020.3016689.

S. Patil and R. Kumar, “An Efficient Implementation of Rapid Application Development in Agile Projects,” Int. J. Adv. Trends Comput. Sci. Eng., vol. 11, no. 1, pp. 45–52, 2022, doi: 10.30534/ijatcse/2022/01112022.

Y. Zhang, J. Hong, and L. Cranor, “Dataset Challenges in Phishing Detection and Recommendations for Improvement,” J. Cyber Secur., 2019, doi: 10.1093/cyber/cyz023.

Z. Tan and D. Wang, “Phishing Detection with Machine Learning: A Survey and Comparison,” Comput. Secur., vol. 103, pp. 102–120, 2021, doi: 10.1016/j.cose.2021.102120.

A. Suhaimah, A. Triayudi, and E. T. Esthi Handayani, “Cyber Library: Pengembangan Perpustakaan Online Berbasis Web Menggunakan Metode Prototyping (Studi Kasus Universitas Nasional),” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 5, no. 1, pp. 41–48, 2021, doi: 10.35870/jtik.v5i1.199.

A. Widyanto, K. Kusrini, and K. Kusnawi, “Pengaruh Keseimbangan Data terhadap Akurasi Model Support Vector Machine pada Data Set Donor Darah,” J. Teknol. Terpadu, vol. 9, no. 2, pp. 79–88, 2023, doi: 10.54914/jtt.v9i2.771.




DOI: http://dx.doi.org/10.55635/jic.v10i2.212

Refbacks

  • Saat ini tidak ada refbacks.


Indexed by :

Jurnal Ilmiah IT Cida: Diseminasi Teknologi Informasi

ISSN 2477-8125 (online) | ISSN 2477-8133 (print)
Published by : STMIK Amikom Surakarta
Jl Veteran Notosuman Singopuran Kartasura Sukoharjo 57164 Telp./Fax 0271-7851507
Email: itcida@amikomsolo.ac.id




Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional.