Candra, Ade (2025) Optimalisasi Deteksi Situs Web Phishing Menggunakan Machine learning untuk Meminimalkan False Positive Rate (TA.2.25.053). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Penelitian ini bertujuan untuk mengembangkan sistem deteksi Phishing URL yang efektif menggunakan metode Machine learning. Dalam penelitian ini, model Gradient Boosting Classifier diterapkan pada dataset Phishing URL untuk mengidentifikasi situs web Phishing dengan meminimalkan tingkat kesalahan positif (False Positive) dan meningkatkan recall untuk mendeteksi situs Phishing. Dataset yang digunakan terdiri dari 11.054 URL, dengan fitur yang mencakup karakteristik URL, domain, dan informasi terkait lainnya. Setelah pelatihan, model diuji menggunakan data uji dan menghasilkan akurasi yang tinggi, dengan nilai False Positive Rate yang rendah (0,0441). Untuk implementasi praktis, sistem deteksi ini juga dikemas dalam aplikasi berbasis Streamlit yang memungkinkan deteksi Phishing URL secara real-time. Hasil eksperimen menunjukkan bahwa sistem ini dapat diandalkan dan efektif dalam mengidentifikasi Phishing URL, memberikan peluang baru untuk meningkatkan keamanan pengguna di dunia maya. Kata kunci: deteksi Phishing, Gradient Boosting Classifier, Machine learning, URL, False Positive Rate
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 30 Sep 2025 04:50 |
| Last Modified: | 30 Sep 2025 04:50 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3694 |
Actions (login required)
 |
View Item |
