Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika Atma Jogja
Lukito
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Website Phishing Menggunakan Teknik Machine Learning Lukito; Wilfridus Bambang Triadi Handaya
Jurnal Informatika Atma Jogja Vol. 6 No. 1 (2025): Jurnal Informatika Atma Jogja - Mei
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jiaj.v6i1.11538

Abstract

Phishing merupakan teknik penipuan yang memanfaatkan penyamaran sebagai entitas tepercaya untuk mencuri data sensitif. Metode deteksi berbasis machine learning, seperti XGBoost, Random Forest, dan Decision Tree, efektif dalam mengenali pola website phishing. Hasil penelitian menunjukkan bahwa XGBoost dengan hyperparameter tuning memberikan akurasi tertinggi, yaitu 96%. Model ini kemudian diimplementasikan dalam web service menggunakan Flask atau FastAPI, sehingga pengguna dapat memeriksa URL secara real-time. Sistem juga dilengkapi mekanisme ekstraksi fitur, termasuk analisis URL, domain age, dan konten halaman, serta pelabelan otomatis untuk memudahkan pelatihan ulang model. Selain itu, integrasi dengan bot Telegram memperluas aksesibilitas, karena pengguna dapat melakukan deteksi phishing kapan saja melalui pesan instan tanpa batasan lokasi atau perangkat.
Deteksi Website Phishing Menggunakan Teknik Machine Learning Lukito; Wilfridus Bambang Triadi Handaya
Jurnal Informatika Atma Jogja Vol. 6 No. 1 (2025): Jurnal Informatika Atma Jogja - Mei
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jiaj.v6i1.11538

Abstract

Phishing merupakan teknik penipuan yang memanfaatkan penyamaran sebagai entitas tepercaya untuk mencuri data sensitif. Metode deteksi berbasis machine learning, seperti XGBoost, Random Forest, dan Decision Tree, efektif dalam mengenali pola website phishing. Hasil penelitian menunjukkan bahwa XGBoost dengan hyperparameter tuning memberikan akurasi tertinggi, yaitu 96%. Model ini kemudian diimplementasikan dalam web service menggunakan Flask atau FastAPI, sehingga pengguna dapat memeriksa URL secara real-time. Sistem juga dilengkapi mekanisme ekstraksi fitur, termasuk analisis URL, domain age, dan konten halaman, serta pelabelan otomatis untuk memudahkan pelatihan ulang model. Selain itu, integrasi dengan bot Telegram memperluas aksesibilitas, karena pengguna dapat melakukan deteksi phishing kapan saja melalui pesan instan tanpa batasan lokasi atau perangkat.
Co-Authors Wilfridus Bambang Triadi Handaya