ABSTRAK

IMPLEMENTASI SELEKSI FITUR ALGORITMA GENETIKA PADA KLASIFIKASI SITUS PHISING DENGAN NAÏVE BAYES

(Oleh: Muhammad Yasir Habibie; Pembimbing: Muhammad Itqan Mazdadi, S.Kom., M.Kom dan Irwan Budiman, S.T., M.Kom; 2024; 42 halaman)

Phising merupakan penipuan yang menggunakan manipulasi psikologis untuk mencuri informasi sensitif seperti kata sandi atau informasi pribadi lainnya yang merugikan bagi pengguna internet. Penggunaan teknik-teknik kecerdasan buatan seperti machine learning dinilai sangat efektif dalam mendeteksi situs phising dengan tingkat akurasi yang tinggi. Naïve Bayes merupakan salah satu algoritma klasifikasi yang populer dalam machine learning dengan kelebihan utama yaitu kesederhanaannya yang memungkinkan untuk dilatih dengan cepat bahkan dengan dataset yang besar, sehingga cocok untuk diaplikasikan pada sumber daya yang terbatas. Meski demikian, Naïve Bayes memiliki kelemahan yaitu sangat sensitif dalam pemilihan fitur, oleh karena itu algoritma genetika digunakan untuk menutupi kelemahan dari Naïve Bayes dengan mencari kombinasi fitur terbaik yang dapat meningkatkan akurasi prediksi dari Naïve Bayes. Hasil penelitian menunjukkan bahwa seleksi fitur menggunakan algoritma genetika pada klasifikasi situs phising menghasilkan akurasi sebesar 93,08%. Seleksi fitur dengan algoritma genetika dapat memberikan peningkatan kinerja yang signifikan pada model Naïve Bayes dengan peningkatan akurasi sebesar 31,34% dibandingkan dengan penggunaan seluruh fitur tanpa seleksi.

Kata kunci: Phising, Naïve Bayes, Seleksi Fitur, Algoritma Genetika.