Skripsi

Klasifikasi situs web dengan menggunakan metode K-Nearest Neighbor untuk mendeteksi phishing / M. Annurus Shobah

Abstrak
ABSTRAK Abstrak - Kejahatan phishing adalah bentuk ancaman online yang didefinisikan sebagai seni meniru situs web resmi instansi atau perusahaan tertentu yang bertujuan untuk memperoleh data penting pengguna. Menurut data statistik dari koalisi Anti-Phishing Working Group (APWG) dalam buku laporannya telah mendapatkan laporan sekitar 190.942 kasus untuk situs web phishing. Dataset yang digunakan pada penelitian ini didapatkan dari repository UCI Machine Learning dengan jumlah dataset sebanyak 1353 record data dengan 9 variabel. Variabel tersebut akan diolah untuk mengklasifikasikan situs web dalam menentukan kelas Phishing Suspicious dan Legit . Metode klasifikasi yang digunakan adalah K-Nearest Neighbor (KNN) yaitu algoritma dengan prinsip mencari kemiripan data paling dekat dengan data lain dimana dievaluasi dari nilai k tetangga terdekat pada data latih. Metode k-fold cross validation digunakan untuk memvalidasi klasifikasi KNN. Hasil klasifikasi KNN yang dilakukan diperoleh akurasi terbaik pada nilai k 4 dengan tingkat akurasi sebesar 88 03%. Kata kunci K-fold Cross Validation K-Nearest Neighbor Phishing.

Informasi Detail

DDC

Rs 005.1 SHO k

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xv, 101 lembar : ill., tab. ; 30 cm.

Bahasa

Indonesia

No Reg

03820/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA KOMPUTER
2. COMPUTER ALGORITHMS

Pembimbing

1. Siti Sendari; 2. Triyanna Widiyaningtyas

Lampiran Berkas