Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Computer Science (JINACS)
Lidya Marcelena
Universitas Negeri Surabaya
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Deteksi Tautan Menggunakan Random Forest dan Metode Seleksi Fitur Berbasis Website Lidya Marcelena; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Phishing merupakan salah satu bentuk kejahatan siber yang bertujuan mencuri informasi pribadi pengguna melalui tautan palsu atau tiruan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi deteksi tautan phishing dan legitimate menggunakan algoritma machine learning dan metode seleksi fitur berbasis website. Algoritma yang digunakan dalam penelitian ini adalah algoritma Random Forest dengan metode seleksi fitur Chi-Square. Proses penelitian meliputi pra pemrosesan data, ekstraksi fitur berdasarkan struktur dan konten website dalam sebuah tautan, seleksi fitur, hyperparameter tuning, serta evaluasi model klasifikasi. Kinerja model dievaluasi menggunakan beberapa metrik pengujian untuk menentukan model terbaik dalam mendeteksi tautan phishing. Hasil penelitian menunjukkan bahwa algoritma machine learning dan metode seleksi fitur mampu digunakan untuk mendeteksi tautan phishing secara efektif. Model terbaik kemudian diimplementasikan ke dalam sistem berbasis website sehingga dapat membantu pengguna mengidentifikasi tautan berbahaya secara realtime. Sistem yang dikembangkan diharapkan dapat meningkatkan keamanan pengguna saat mengakses internet serta menjadi solusi pendukung dalam upaya pencegahan serangan phishing yang semakin berkembang.     Kata Kunci — Phishing. Machine Learning, Random Forest, Logistic Regression, Chi-Square.
Co-Authors Anita Qoiriah