Analisa Pengaruh Penambahan Fitur dengan Perbandingan Algoritma berbasis Bagging dan Boosting pada Deteksi Phishing Link
DOI:
https://doi.org/10.26418/jp.v10i3.83366Keywords:
Network Security, Machine Learning, Feature Engineering, AlgoritmaAbstract
Deteksi phishing link merupakan tantangan kritis dalam keamanan siber yang memerlukan teknik analisis canggih untuk membedakan antara link sah (legitimate link) dan link berbahaya (phishing link). Hal ini perlu dilakukan karena seiring dengan perkembangan teknologi, ancaman phishing semakin kompleks dan sulit dikenali, sehingga tidak hanya dapat menyebabkan kerugian finansial, tetapi juga dapat merusak reputasi organisasi dan menimbulkan kerentanan lebih lanjut terhadap serangan siber lainnya. Dengan peningkatan kompleksitas serangan phishing, pendekatan konvesional tidak lagi cukup efektif, oleh karena itu, diperlukan teknik yang lebih adaptif seperti machine learning untuk mengenali pola-pola dalam link yang menunjukkan potensi ancaman. Penelitian ini bertujuan untuk mendeteksi dini phishing link menggunakan algoritma machine learning dengan menganalisis pengaruh penggunaan feature engineering dengan membandingkan performa algoritma berbasis bagging dan boosting. Dalam penelitian ini, kami mengembangkan fitur baru ('Count_/_Path' dan 'path_length') yang merupakan hasil ekstraksi dari fitur yang sudah ada dan mengevaluasinya menggunakan pehitungan nilai Mutual Information untuk meningkatkan akurasi model. Hasil penelitian menunjukkan bahwa penambahan fitur 'Count_/_Path' dan 'path_length' secara signifikan meningkatkan kinerja model. Selain itu, kami membandingkan tiga algoritma machine learning, yaitu Random Forest, Gradient Boosting, dan XGBoost. Dari hasil perbandingan, algoritma XGBoost dengan penambahan fitur menunjukkan performa terbaik dengan akurasi 92%, recall 94%, dan presisi 91%. Dimana Random Forest hanya penghasilkan akurasi 91%, recall 92%, presisi 90% dan Gradient Boosing hanya menghasilkan akurasi 90%, recall 93%, presisi 88%.
References
S. Matilda, “Big Data In Social Media Environment: A Business Perspective,†In Social Media Listening And Monitoring For Business Applications, Igi Global, 2016, Pp. 70–93. Doi: 10.4018/978-1-5225-0846-5.Ch004.
M. Rokhman And H.-I. Liviani, “Kejahatan Teknologi Informasi (Cyber Crime) Dan Penanggulangannya Dalam Sistem Hukum Indonesiaâ€, Al-Qanun, vol. 23, No. 2, 2020.
C. Herdian, M. Quinn, D. Revaldo, and S. Margareta, “Perbandingan Algoritma Naive Bayes di dalam Scikit-Learn Python Library dengan Murni Algoritma Naive Bayes: Studi Kasus Klasifikasi Email Berbahaya.†Techno Xplore Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 9, no.1, 2024, [Online]. Available: https://archive.ics.uci.edu/ml/datasets/sms+spam+collection
S. M. T. Situmeang, “Penyalahgunaan Data Pribadi Sebagai Bentuk Kejahatan Sempurna Dalam Perspektif Hukum Siber,†Sasi, Vol. 27, No. 1, P. 38, Mar. 2021, Doi: 10.47268/Sasi.V27i1.394.
V. F. Putra Y, “Modus Operandi Tindak Pidana Phising Menurut Uu Ite,†Jurist-Diction, Vol. 4, No. 6, P. 2525, Nov. 2021, Doi: 10.20473/Jd.V4i6.31857.
N. Nadia, W. Leewando, J. Paulus, And V. Nooril, “Phishing Detection Applications For Website And Domain At Browser Using Virustototal Api,†Engineering, Mathematics And Computer Science (Emacs) Journal, Vol. 5, No. 2, Pp. 93–96, May 2023, Doi: 10.21512/Emacsjournal.V5i2.9998.
M. M. Taye, “Understanding of Machine Learning with Deep Learning: Architectures, Workflow, Applications and Future Directions,†Computers, vol. 12, no. 5. MDPI, May 01, 2023. doi: 10.3390/computers12050091.
M. Attaran And P. Deb, “Machine Learning: The New ‘Big Thing’ For Competitive Advantage,†International Journal Of Knowledge Engineering And Data Mining, Vol. 5, No. 1, P. 1, 2018, Doi: 10.1504/Ijkedm.2018.10015621.
M. Almseidin, A. M. Abu Zuraiq, M. Al-Kasassbeh, And N. Alnidami, “Phishing Detection Based On Machine Learning And Feature Selection Methods,†International Journal Of Interactive Mobile Technologies, Vol. 13, No. 12, Pp. 71–183, 2019, Doi: 10.3991/Ijim.V13i12.11411.
A. Basit, M. Zafar, A. R. Javed, And Z. Jalil, “A Novel Ensemble Machine Learning Method To Detect Phishing Attack,†In Proceedings - 2020 23rd Ieee International Multi-Topic Conference, Inmic 2020, Institute Of Electrical And Electronics Engineers Inc., Nov. 2020. Doi: 10.1109/Inmic50486.2020.9318210.
S. K. Alaramma, U. G. Ugbede, M. A. Ibrahim, And A. A. Habu, “Phishing Url Detection Using Supervised Machine Learning Algorithmsâ€, Journal Of Science Technology And Education, Vol. 11, No. 2, 2023, [Online]. Available: Www.Atbuftejoste.Net
A. Aljofey, Q. Jiang, Q. Qu, M. Huang, And J. P. Niyigena, “An Effective Phishing Detection Model Based On Character Level Convolutional Neural Network From Urlâ€, Electronics (Switzerland), Vol. 9, No. 9, Pp. 1–24, Sep. 2020, Doi: 10.3390/Electronics9091514.
P. M. Dinesh, M. Mukesh, B. Navaneethan, R. S. Sabeenian, M. E. Paramasivam, And A. Manjunathan, “Identification Of Phishing Attacks Using Machine Learning Algorithmâ€, In E3s Web Of Conferences, Edp Sciences, Jul. 2023. Doi: 10.1051/E3sconf/202339904010.
K. M. Sudar, M. Rohan, And K. Vignesh, “Detection Of Adversarial Phishing Attack Using Machine Learning Techniquesâ€, Springer, Doi: 10.1007/S12046-024-02582-0s.
M. K. Pandey, R. Pal, S. Pal, A. Kumar, A. K. Shukla, And D. C. Yadav, “Intelligent Analysis To Detect Phishing Websites Using Machine Learning Ensemble Techniques,†Human-Intelligent Systems Integration, Sep. 2024, Doi: 10.1007/S42454-024-00053-9.
H. Hafid, “Penerapan K-Fold Cross Validation untuk Menganalisis Kinerja Algoritma K-Nearest Neighbor pada Data Kasus Covid-19 di Indonesia.†Journal of Mathematics, Computations, and Statistics, vol. 6, no.2, 2023, [Online]. Available: http://www.ojs.unm.ac.id/jmathcos.
P. Y. Utami, S. A. Hudjimartsu, T. A. Viona, and H. Sharfina, “Optimasi Parameter Algoritma DBSCAN untuk Mendeteksi Titik Panas Kebakaran Hutan dan Lahanâ€, JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 9, no. 3, 2023, [Online].
I. Setiawan And S. Suprihanto, “Exploratory Data Analysis Of Crime Report,†Matrix : Jurnal Manajemen Teknologi Dan Informatika, Vol. 11, No. 2, Pp. 71–80, Jul. 2021, Doi: 10.31940/Matrix.V11i2.2449.
S. Joses, S. Quinevera, R. Mardianto, D. Yulvida, and A. Mazharuddin Shiddiqi, “Pendekatan Metode Ensemble Learning untuk Deteksi Serangan DDoS menggunakan Soft Voting Classifier, JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 10, no.1, 2024.
C. M. Sitorus, A. Rizal, And M. Jajuli, “Prediksi Risiko Perjalanan Transportasi Online Dari Data Telematik Menggunakan Algoritma Support Vector Machine,†Jurnal Teknik Informatika Dan Sistem Informasi, Vol. 6, No. 2, Aug. 2020, Doi: 10.28932/Jutisi.V6i2.2672.
C. Herdian, A. Kamila, And I. G. Agung Musa Budidarma, “Studi Kasus Feature Engineering Untuk Data Teks: Perbandingan Label Encoding Dan One-Hot Encoding Pada Metode Linear Regresi,†Technologia : Jurnal Ilmiah, Vol. 15, No. 1, P. 93, Jan. 2024, Doi: 10.31602/Tji.V15i1.13457.
C. Herdian, A. Kamila, F. Feiters Tampinongkol, A. S. Kembau, G. Agung, and M. Budidarma, “One-Hot Encoding Feature Engineering Untuk Label-Based Data Studi Kasus Prediksi Harga Mobil Bekasâ€, Jurnal Informasi Interaktif, vol. 9, no.1, 2024.
F. Nargesian, H. Samulowitz, U. Khurana, E. B. Khalil, And D. Turaga, “Learning Feature Engineering For Classification,†Ijcai International Joint Conference On Artificial Intelligence, 2017, Pp. 2529–2535. Doi: 10.24963/Ijcai.2017/352.
A. Widyanto, Kusrini, Kusnawi, “Pengaruh Keseimbangan Data terhadap Akurasi Model Support Vector Machine pada Data Set Donor Darahâ€, Jurnal Teknologi Terpadu, vol. 9, no. 2, 2023.
H. B. Nguyen, B. Xue, And P. Andreae, “Mutual Information For Feature Selection: Estimation Or Counting?,†Evol Intell, Vol. 9, No. 3, Pp. 95–110, Sep. 2016, Doi: 10.1007/S12065-016-0143-4.
S. Y. Prasetyo And G. Z. Nabiilah, “Perbandingan Model Machine Learning Pada Klasifikasi Tumor Otak Menggunakan Fitur Discrete Cosine Transform,†Jurnal Teknologi Terpadu, Vol. 9, No. 1, Pp. 29–34, 2023, [Online]. Available: Https://Journal.Nurulfikri.Ac.Id/Index.Php/Jtt
S. Annisa, R. Manaf, A. Fitrianto, A. Mohamad, and S, “Perbandingan Algoritma Pohon dengan Beberapa Skenario Pelabelan untuk Analisis Sentimen pada Aplikasi Milik Pemerintah/BUMN,“ JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 10, no.1, 2024.
T.-H. Lee, A. Ullah, And R. Wang, “Bootstrap Aggregating And Random Forest.â€
M. D. Purbolaksono, D. T. B. Pratama, F. Hamzah, “Perbandingan Gini Index dan Chi Square pada Sentimen Analisis Ulasan Film menggunakan Support Vector Machine Classifierâ€, JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 9, no. 3, 2023.
