<![CDATA[Perkembangan teknologi jaringan dan komunikasi global yang pesat telah mengalihkan banyak aktivitas kehidup-an sehari-hari ke dunia maya. Namun, infrastruktur internet yang terbuka dan anonim membuka peluang bagi serangan cyber serius, terutama melalui phishing, yang melibatkan pem-buatan situs web palsu untuk mencuri informasi sensitif. Pene-litian ini mengusulkan sistem pendeteksi situs phishing menggu-nakan metode Stochastic Gradient Boosting (SGB), yang terbuk-ti efektif dalam klasifikasi dan prediksi. Sistem ini menganalisis struktur URL sebagai ciri utama dalam mendeteksi phishing. Melalui tahapan preprocessing data, implementasi model, dan pengujian dalam empat skenario, evaluasi menunjukkan bahwa SGB mampu mengklasifikasikan dengan sangat baik, dengan nilai rata-rata metrik evaluasi di atas 96%. Skenario tebraik de-ngan pembagian data 90%:10% tanpa feature selection meng-hasilkan accuracy 97%, precision 96,8%, recall 97,2%, dan F1-score 97%. Hasil ini menujukkan bahwa SGB sangat andal da-lam mengidentifikasi URL phishing, jarang membuat kesala-han, dan memiliki keseimbangan yang baik antara precision dan recall. Selain itu, metode SGB terbukti mampu mendeteksi situs phishing dengan performa sangat baik dalam kondisi data yang kompleks dan penggunaan parameter yang tepat, efektif melin-dungi pengguna dari kerugian finansial dan risiko keamanan.]]>
Copyrights © 2024
