Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Virginia, Stella
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Identifikasi Ciri Link Phishing Menggunakan Algoritma Random Forest Untuk Meningkatkan Keamanan Cyber Tampinongkol, Felliks; Ilham, Rozali; Kamila, Ahya; Purnomo, Yunianto; Herdian, Cevi; Virginia, Stella
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 9 No 2 (2024): Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v9i2.7664

Abstract

Abstract— Keamanan data digital diera teknologi yang semakin berkembang menjadi salah satu fokus utama yang harus diantisipasi agar tidak terjadi pencurian data atau privasi. Data privasi berupa pesan elektronik (email), nama, nomer handphone, password sampai pada nomer rekening bank tidak boleh sampai diketahui oleh orang yang tidak bertanggung jawab, karena akan menyebabkan dampak yang serius seperti pembobolan rekening bank dan tindak cybercrime yang lain. Salah satu tindak kejahatan cyber yang marak terjadi adalah link phishing, yang membuat korban dapat terkecoh apabila tidak melihat link dengan lebih teliti. Dengan memanfaatkan teknologi Artificial Intelligence (AI) dan Machine Learning (ML) dapat dibuat suatu system yang mampu mendeteksi apakah link tersebut terkategori sebagai link phishing atau legitimate link. Suatu link dapat dikatakan sebagai phishing atau legitimate itu dapat dilihat dari karakteristik link tersebut (features). Setiap link memiliki domain yang unik, keunikan dari domain ini yang digunakan sebagai nilai masukan pada system AI dan diproses menggunakan algoritma Random forests classification. Berdasarkan dengan hasil yang diperoleh system AI yang dirancang menggunakan random forest classification dapat memprediksi atau membedakan link phishing atau legitimate sebesar 0.77% sebagai nilai akurasi model, dengan menggunakan 6 features untuk digunakan sebagai data training. Penggunaan data link dan penambahan features yang akan digunakan sebagai data latih juga dapat dilakukan untuk meningkatkan akurasi dan presisi dari model yang telah diperoleh.
Co-Authors Felliks Tampinongkol, Felliks Herdian, Cevi Kamila, Ahya Purnomo, Yunianto Rozali Ilham