cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Kamil Erwansyah
Contact Email
erwansyah.kamil@gmail.com
Phone
+62811656784
Journal Mail Official
prpmtgd@gmail.com
Editorial Address
Jl. Pintu Air I/Jend. AH Nasution No. 73, Medan Johor Sumatera Utara - Indonesia
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD
Published by STMIK Triguna Dharma
ISSN : 26218976     EISSN : 26155133     DOI : https://doi.org/10.53513/jsk.v4i1.2439
Core Subject : Science,
Computer Science & IT
Bioinformatics/Biomedical Applications Biometrical Application Computer Network and Architecture Computer Vision Content-Based Multimedia Retrievals Information System Data analysis Fuzzy Logic Genetic Algorithm High Performance Computing Image Processing Information Retrieval Information Security Infrastructure Systems and Services Intelligent Devices Intelligent Home Environments Machine Learning Natural Language Processing Neural Networks Pattern Recognition Robotic Systems Remote Sensing Decision Support System
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 261 Documents
 23   24   25   26   27 
Analisis Komperatif Akurasi Deteksi Phising Pada Jaringan Komputer Dengan Metode Naïve Bayes Dan Support Vector Machine (SVM) Sunjaya, Muit
Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Vol. 8 No. 2 (2025): J-SISKO TECH EDISI JULI
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jsk.v8i2.11959

Abstract

Serangan phishing merupakan salah satu bentuk ancaman siber yang bertujuan untuk mencuri data sensitif dengan cara menipu pengguna melalui jaringan komputer. Untuk mendeteksi dan mencegah serangan semacam ini, diperlukan sistem yang mampu mengenali pola ancaman secara cerdas, salah satunya adalah Intrusion Detection System (IDS). IDS dapat bekerja berdasarkan dua pendekatan utama, yaitu rule based (signature based) dan behavior based. Penelitian ini menggunakan pendekatan behavior based yang memanfaatkan dataset serta algoritma klasifikasi untuk mendeteksi serangan phishing. Tidak semua algoritma data mining memiliki kinerja klasifikasi yang optimal, oleh karena itu dilakukan analisis komparatif terhadap algoritma Naive Bayes dan Support Vector Machine (SVM) dengan kernel Linear, Polynomial, dan Sigmoid. Dataset yang digunakan berasal dari UCI Machine Learning Repository dengan fokus pada deteksi phishing. Evaluasi dilakukan berdasarkan metrik confusion matrix, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa algoritma SVM Polynomial memiliki akurasi tertinggi, sedangkan Naive Bayes menunjukkan akurasi terendah. Hasil ini menunjukkan bahwa pemilihan algoritma sangat berpengaruh terhadap performa sistem deteksi phishing.

Page 27 of 27 | Total Record : 261

 23   24   25   26   27 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol. 8 No. 2 (2025): J-SISKO TECH EDISI JULI Vol. 8 No. 1 (2025): J-SISKO TECH EDISI JANUARI Vol. 7 No. 2 (2024): J-SISKO TECH EDISI JULI Vol. 7 No. 1 (2024): J-SISKO TECH EDISI JANUARI Vol. 6 No. 2 (2023): J-SISKO TECH EDISI JULI Vol. 6 No. 1 (2023): J-SISKO TECH EDISI JANUARI Vol. 5 No. 2 (2022): J-SISKO TECH EDISI JULI Vol 5, No 1 (2022): J-SISKO TECH EDISI JANUARI Vol 4, No 2 (2021): J-SISKO TECH EDISI JULI Vol 4, No 1 (2021): J-SISKO TECH EDISI JANUARI Vol 3, No 2 (2020): J SISKO TECH EDISI JULI Vol 3, No 1 (2020): J SISKO TECH EDISI JANUARI Vol 2, No 2 (2019): J-SISKO TECH EDISI JULI Vol 2, No 1 (2019): J-SISKO TECH EDISI JANUARI Vol 1, No 2 (2018): J-SISKO TECH EDISI JULI More Issue