Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Riset Informatika dan Teknologi Informasi (JRITI)
Nur Fadlilah, Fikki Arsyi
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search
Journal : Jurnal Riset Informatika dan Teknologi Informasi (JRITI)

 1 
Klasifikasi Postingan Pengguna Facebook Untuk Deteksi Phising Menggunakan Naive Bayes Nur Fadlilah, Fikki Arsyi; Fahmi, Muhammad
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.49

Abstract

Phising merupakan penipuan digital yang umum dilakukan oleh penjahat siber dengan tujuan untuk mengambil data informasi pribadi pengguna dengan cara memanipulasi. Facebook adalah platform media social yang sangat popular di dunia sehingga bisa menjadi tempat yang basah bagi penjahat siber phising. Pada penelitian kali ini, kami membangun model Klasifikasi untuk mengidentifikasi dan mencegah upaya phising pada postingan facebook. Dataset yang digunakan dalam penelitian ini diperoleh dari posting pengguna facebook yang dikumpulkan. Pengolahan data dilakukan dengan melakukan preprocessing pada teks posting, termasuk penghapusan tanda baca dan kata kata yang tidak penting. Metode yang digunakan adalah Naïve Bayes untuk mengklasifikasikan posting kedalam kategori phising atau tidak phising. Metode Naïve Bayes digunakan karena kemampuannya dalam mengklasifikasikan data dengan tingkat Akurasi yang baik. Hal ini menunjukan bahwa fitur fitur yang dipilih dalam penelitian ini dapat menjadi indicator yang kuat untuk mendeteksi phising pada postingan pengguna facebook. Hasil penelitian menunjukan Naïve Bayes dapat menjadi solusi yang efektif untuk deteksi phising pada postingan pengguna facebook. Selain itu, hasil dari penelitian ini dapat memberikan wawasan yang berharga tentang ciri ciri umum dari postingan phising pada Facebook. Dengan nilai akurasi sebesar 99,01% diharapkan penelitian ini dapat membantu meningkatkan kesadaran dan keamanan Pengguna Facebook terhadap postingan phising.
Co-Authors MUHAMMAD FAHMI