Email this article 
Optimasi Algoritma C4.5 Dalam Prediksi Web Phishing Menggunakan Seleksi Fitur Genetic Algoritma
Abstract
Salah satu isu terpenting saat ini dalam dunia online yaitu keamanan. Masalah keamanan terbesar salah satunya adalah Phishing yang melibatkan duplikat situs yang sah atau asli untuk menipu dengan mencuri informasi pengguna online. Memang diakui sangat sukar untuk membedakan situs asli dengan palsu. Oleh sebab itu dibutuhkan klasifikasi dalam memprediksi website yang terindikasi Phishing. Dengan klasifikasi dalam Algoritma C4.5, permasalahan tersebut dapat diselesaikan dengan menghasilkan rule dari pohon keputusan. Untuk dapat meningkatkan akurasi dari prediksi algoritma C4.5 dapat digunakan fitur seleksi dengan menggunakan algoritma genetika. Berdasarkan penerapan algorima C4.5 dihasilkan akurasi sebesar 83,81% untuk memprediksi website Phishing dan dengan seleksi fitur menggunakan algoritma genetika meningkatkan akurasi sebesar 3,22% menjadi 86,47. Dari penelitian ini algoritma genetika terbukti dapat meningkatkan akurasi untuk prediksi website phishing.
Full Text:
PDF (Bahasa Indonesia)References
Amro, Belal, (2018). Phishing Techniques in Mobile Devices, Journal of Computer and Communications, , 6, 27-35
Al-diabat Mofleh, (2016). Detection and Prediction of Phishing Websites using Classification Mining Techniques. International Journal of Computer Applications (0975 – 8887) Volume 147 – No.5, August
Chaudhry Junaid, Chaudhry Shafique, Rittenhouse Robert, (2016). Phishing Attacks and Defenses, Internasional Journal of Security and its Applications,” V ol. 10, No. 1 (2016), pp.247-256
Desiani, A., & Muhammad, A., (2006). Konsep Kecerdasan Buatan. Yogyakarta: Cv. Andi Offset.
Fayyad, U.; Piatetsky-Shapiro, G; Smyth, P, (1996). From Data Mining to Knowledge Discovery: An overview in Advances in Knowledge discovery and Data Mining. Fayyad, U.; Piatetsky-Shapiro, G; Smyth, P; Uthurusamy, R. MIT Press. Cambridge, Mass.. pp. 1-36
Giudici & Figini. (2009). Applied Data Mining for Business and Industry, 2nd Edition
Gorunescu.(2011). Data Mining Concepts, Models and Techniques. Romania. Springer-Verlag Berlin Heidelberg.
J.H. Holland, (1975). Adaptation in Natural and Artificial Systems. The University of Michigan Press, Ann Arbor, MI
Larose, (2005), “Discovering Knowledge in Data: An Introduction to Data Mining”, John Willey & Sons, Inc
Mia Haryati Wibowo dan Nur Fatimah, (2007). Ancaman Phishing Terhadap Pengguna Sosial Media Dalam Dunai Cyber Crime” Volume 1 Nomor 1 : 1 – 5
Seema, Rathi Monika, Mamta, (2013). Decision Tree: Data Mining Techniques, International Journal of Latest Trends in Engineering and Technology (IJLTET)
Suryanto. (2007). Artificial Intelligent, Searching, Reasoning Planning dan Learning. Bandung: Informatika Bandung.
Wu, Xindong, (2007) “Top 10 Algorithms in Data Mining”, Received: 9 July 2007 / Revised: 28 September 2007 / Accepted: 8 October 2007 Published online: 4 December 2007
Vercellis, Carlo. (2009). Business Intelligence: Data Mining and Optimization for Decision Making. United Kingdom: John Willey & Son
http;//www.internetworldstats.com/stats (2018)
DOI: https://doi.org/10.31294/p.v20i2.4021
Copyright (c) 2018 Aswan Supriyadi Sunge
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
ISSN: 2579-3500
