Search for collections on Repository Universitas Maritim Raja Ali Haji

ANALISIS PERBANDINGAN ALGORITMA SUPPORT VEKTOR MACHINE (SVM) DAN LONG SHORT-TERM MEMORY (LSTM) DALAM DETEKSI WEBSITE PHISHING

FEBRIANDI, FEBRIANDI and Hendra, Kurniawan and Novrizal Fattah, Fahmitra (2025) ANALISIS PERBANDINGAN ALGORITMA SUPPORT VEKTOR MACHINE (SVM) DAN LONG SHORT-TERM MEMORY (LSTM) DALAM DETEKSI WEBSITE PHISHING. S1 thesis, Universitas Maritim Raja Ali Haji.

[img] Text (Cover)
FEBRIANDI_2101020062_Teknik Informatika - Cover.pdf - Published Version

Download (680kB)
[img] Text (Abstrak)
FEBRIANDI_2101020062_Teknik Informatika - Abstrak.pdf - Published Version

Download (424kB)
[img] Text (BAB I)
FEBRIANDI_2101020062_Teknik Informatika - BAB I.pdf - Published Version

Download (429kB)
[img] Text (Daftar Pustaka)
FEBRIANDI_2101020062_Teknik Informatika - Daftar Pustaka.pdf - Published Version

Download (416kB)
[img] Text (Full Teks)
FEBRIANDI_2101020062_Teknik Informatika - Full Teks.pdf - Published Version
Restricted to Repository staff only

Download (3MB) | Request a copy
Official URL: https://lib.umrah.ac.id/

Abstract

Phishing adalah salah satu metode rekayasa sosial yang sangat ampuh dalam kejahatan siber karena memiliki tingkat kesuksesan yang cukup besar. Metode ini bekerja dengan cara memancing rasa ingin tahu korban atau memanfaatkan kurangnya pengetahuan mereka untuk mendapatkan data pribadi, hak akses, atau menyebarkan malware. Website phishing merupakan varian phishing yang menggunakan situs web sebagai media utamanya. Dalam praktiknya, korban akan diarahkan baik secara langsung maupun tidak langsung menuju situs palsu tersebut. Setelah itu, korban dipancing untuk memberikan informasi sensitif atau memberikan akses yang diminta, baik dengan sengaja maupun tanpa disadari. Penelitian ini membandingkan dua algoritma machine learning, yaitu Support Vektor Machine dan Long Short-Term Memory dalam mendeteksi website phishing. Hasil pengujian menunjukkan bahwa model LSTM memiliki performa lebih tinggi dibandingkan dengan SVM dimana LSTM mencapai accuracy sebesar 99,35%, precision 99,8% recall 98,9% dan F1-Score 99,35%. Sementara itu algoritma SVM mencapai akurasi accuracy sebesar 97,3%, precision 97,11% recall 97,5% dan F1-Score 97,31%. Temuan ini menunjukkan bahwa kedua model mampu melakukan deteksi phishing dengan baik, namun algoritma LSTM lebih unggul dari algoritma SVM.

Item Type: Thesis (S1)
Contributors:
ContributionNameNIP / NIDN
UNSPECIFIEDKurniawan, HendraNIP.198404022014041001
UNSPECIFIEDFahmitra, Novrizal FattahNIP.198911012024061002
Subjects: 000_umum > 000. Ilmu Umum dan Komputer > 005.1.Pemrograman
000_umum > 000. Ilmu Umum dan Komputer > 006.3 Artificial Intelligence/Kecerdasan Buatan
Divisions: Fakultas Teknik > Program Studi Teknik Informatika
Depositing User: user Teknik Informatika
Date Deposited: 28 Jul 2025 03:50
Last Modified: 28 Jul 2025 03:50
URI: http://repositori.umrah.ac.id/id/eprint/9122

Actions (login required)

View Item View Item