SYAHRUL ARYA RAMADHAN, NIM. 162022065 (2026) ANALISIS KLASIFIKASI URL PHISHING MENGGUNAKAN RANDOM FOREST BERDASARKAN FITUR URL. Skripsi thesis, Universitas Muhammadiyah Palembang.

Preview	Text 162022065_BAB I_DAFTAR PUSTAKA.pdf - Published Version Download (1MB) | Preview
	Text 162022065_BAB II.pdf - Published Version Restricted to Repository staff only Download (212kB)
	Text 162022065_BAB III.pdf - Published Version Restricted to Repository staff only Download (196kB)
	Text 162022065_BAB IV.pdf - Published Version Restricted to Repository staff only Download (642kB)
	Text 162022065_BAB V.pdf - Published Version Restricted to Repository staff only Download (9kB)
	Text 162022065_DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (81kB)
	Text 162022065_LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (13kB)
	Text 162022065_Cover_Sampai_Lampiran.pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Serangan Serangan Phishing merupakan salah satu bentuk kejahatan siber yang paling sering terjadi dan umumnya memanfaatkan tautan atau URL palsu untuk menipu korban agar memasukkan informasi sensitif. Modus Phishing terus berkembang mengikuti tren layanan digital, sehingga banyak URL Phishing dibuat menyerupai domain resmi dan sulit dikenali secara manual. Penelitian sebelumnya menekankan bahwa peningkatan security awareness merupakan langkah penting untuk mengurangi risiko Phishing. Namun, pendekatan kesadaran pengguna saja sering belum cukup karena variasi URL Phishing semakin kompleks dan dapat mengecoh pengguna awam maupun pengguna yang sudah cukup berpengalaman [1]. Oleh karena itu, diperlukan pendekatan teknis berbasis komputasi yang dapat membantu mengidentifikasi URL Phishing secara otomatis. Penelitian ini bertujuan untuk menganalisis klasifikasi URL Phishing menggunakan Random Forest berdasarkan fitur URL. Dataset yang digunakan berasal dari Kaggle dengan nama Phishing URL Website, yang berisi atribut-atribut seperti domain, Top Level Domain (TLD), jumlah karakter khusus pada URL (NoOfOtherSpecialCharsInURL), penggunaan protokol keamanan (HTTPS), jumlah baris kode halaman (LineOfCode), judul halaman (Title), serta tingkat kesesuaian antara domain dan judul (DomainTitleMatchScore) dan antara URL dan judul (URLTitleMatchScore), serta label Phishing (0/1). Proses penelitian dilakukan melalui tahapan preprocessing data, pembagian data latih dan data uji, pelatihan model Random Forest, serta evaluasi performa menggunakan metrik confusion matrix, accuracy, precision, recall, dan F1-score dengan bantuan Python. Hasil penelitian diharapkan mampu memberikan gambaran performa Random Forest dalam membedakan URL Phishing dan URL legitimate berdasarkan kombinasi fitur URL dan karakteristik halaman web. Temuan ini juga dapat menjadi referensi pengembangan sistem deteksi Phishing sebagai bentuk dukungan pencegahan Phishing dari sisi teknologi.

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing : 1.Kms. M Wahyu Hidayat, S.Kom., M.Kom 2. Dr. Lucky Indra kesuma, S.SI., M.Kom
Uncontrolled Keywords:	Kata kunci: Phishing, URL Phishing, Random Forest, Machine learning, Python.
Subjects:	Teknologi informasi > keamanan data
Divisions:	Fakultas Teknik > Teknologi Informasi (S1)
Depositing User:	Mahasiswa Fakultas Teknik
Date Deposited:	18 May 2026 06:52
Last Modified:	18 May 2026 06:52
URI:	http://repository.um-palembang.ac.id/id/eprint/36373

Actions (login required)

View Item