Alvin Chandra Hadiyanto, - (2022) Pengembangan Deep Learning Untuk Mendeteksi Situs Phising Dengan Menggunakan Convolutional Neural Network. S1 thesis, Institut Teknologi Harapan Bangsa.
![[thumbnail of 1318013_TA_Title.pdf]](http://repository.ithb.ac.id/style/images/fileicons/text.png)
1318013_TA_Title.pdf
Download (131kB)
![[thumbnail of 1318013_TA_Author.pdf]](http://repository.ithb.ac.id/style/images/fileicons/text.png)
1318013_TA_Author.pdf
Restricted to Repository staff only
Download (158kB)
![[thumbnail of 1318013_TA_Chapter1.pdf]](http://repository.ithb.ac.id/style/images/fileicons/text.png)
1318013_TA_Chapter1.pdf
Download (61kB)
![[thumbnail of 1318013_TA_Chapter2.pdf]](http://repository.ithb.ac.id/style/images/fileicons/text.png)
1318013_TA_Chapter2.pdf
Restricted to Repository staff only
Download (168kB)
![[thumbnail of 1318013_TA_Chapter3.pdf]](http://repository.ithb.ac.id/style/images/fileicons/text.png)
1318013_TA_Chapter3.pdf
Download (362kB)
![[thumbnail of 1318013_TA_Chapter4.pdf]](http://repository.ithb.ac.id/style/images/fileicons/text.png)
1318013_TA_Chapter4.pdf
Restricted to Repository staff only
Download (474kB)
![[thumbnail of 1318013_TA_Chapter5.pdf]](http://repository.ithb.ac.id/style/images/fileicons/text.png)
1318013_TA_Chapter5.pdf
Download (51kB)
![[thumbnail of 1318013_TA_Appendix.pdf]](http://repository.ithb.ac.id/style/images/fileicons/text.png)
1318013_TA_Appendix.pdf
Restricted to Repository staff only
Download (117kB)
![[thumbnail of 1318013_Paper-TA.pdf]](http://repository.ithb.ac.id/style/images/fileicons/text.png)
1318013_Paper-TA.pdf
Download (3MB)
Abstract
Saat ini setiap orang sangat bergantung pada internet. Semua orang melakukan belanja online dan online aktivitas seperti Bank online, pemesanan online, isi ulang online dan lainnya di internet, namun ada phising yang bisa mengambil data pengguna internet. Phishing adalah jenis ancaman situs web dengan cara meniru situs web asli secara ilegal untuk mengambil informasi seperti login, id, password dan informasi kartu kredit. Siapapun bisa terkena phising karena pengguna kurang mengetahui atau memperhatikan URL dan penyerang juga dapat mempertimbangkan kepribadian dari pengguna. Sistem deteksi phishing umumnya dibagi menjadi dua grup: Sistem deteksi berbasis daftar dan berbasis machine learning. Dalam machine learning dilakukan pengumpulan data kemudian melakukan klasifikasi. Pada penelitian ini dikembangkan pendeteksi situs menggunakan convolutional neural network untuk melakukan klasifikasi apakah situs tersebut phishing atau legitimate dengan arsitektur 3 layer 1D CNN (Convolutional Neural Network), 1 layer maxpooling1d, 1 layer flatten, dan 2 layer dense. Hasil dari penelitian ini berhasil mendapat accuracy sebesar 0,877101 atau 87,7%. Pada penelitian ini juga dibuat user interface agar pengguna dapat melakukan input sebuah URL (Uniform Resource Locator).
Item Type: | Thesis (S1) |
---|---|
Additional Information: | Pembimbing 1 : Yoyok Yusman Gamaliel, M. Eng | Pembimbing 2 : Maclaurin Hutagalung, Ph.D. |
Uncontrolled Keywords: | Cybersecurity, Phising, Website, Machine Learning, URL. |
Subjects: | T Technology > T Technology (General) |
Divisions: | ITHB > Teknik Komputer |
Depositing User: | Mr Agung |
Date Deposited: | 09 Jun 2023 03:29 |
Last Modified: | 09 Jun 2023 03:29 |
URI: | http://repository.ithb.ac.id/id/eprint/56 |