KOMPARASI KINERJA ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN LONG SHORT-TERM MEMORY DALAM MENDETEKSI SERANGAN PHISING WEBSITE

Raihan, Ahmad (2024) KOMPARASI KINERJA ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN LONG SHORT-TERM MEMORY DALAM MENDETEKSI SERANGAN PHISING WEBSITE. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text Laporan TA Ahmad Raihan Cover.pdf Download (708kB) | Preview
	Text (BAB I PENDAHULUAN) Laporan TA Ahmad Raihan BAB I.pdf Restricted to Repository staff only Download (296kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) Laporan TA Ahmad Raihan BAB II.pdf Restricted to Repository staff only Download (883kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) Laporan TA Ahmad Raihan BAB III.pdf Restricted to Repository staff only Download (453kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) Laporan TA Ahmad Raihan BAB IV.pdf Restricted to Repository staff only Download (528kB) | Request a copy
	Text (BAB V PENUTUP) Laporan TA Ahmad Raihan BAB V.pdf Restricted to Repository staff only Download (220kB) | Request a copy
	Text (DAFTAR PUSTAKA) Laporan TA Ahmad Raihan Daftar Pustaka.pdf Restricted to Repository staff only Download (239kB) | Request a copy
	Text Laporan TA Ahmad Raihan Lampiran.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Serangan phishing merupakan salah satu jenis serangan siber yang mengancam pengguna internet, terutama pada website. Serangan ini dilakukan oleh pelaku untuk mendapatkan data pribadi korban dengan cara meniru situs web asli. Untuk mengatasi ancaman ini, diusulkan sebuah solusi dengan menggunakan deep learning. Penelitian ini berfokus pada perbandingan algoritma convolutional neural network dan long short-term memory dalam mendeteksi serangan phishing berdasarkan tautan Website. Metode penelitian melibatkan pengumpulan data yang terdiri dari tautan situs web phishing dan situs web asli, preprocessing melalui tokenisasi, padding dan pelabelan, pemisahan menjadi data latih dan data uji, pelatihan, pencarian kombinasi hyperparameter yang tepat untuk setiap algoritma menggunakan metode grid search, pengujian, dan evaluasi untuk membandingkan kinerja kedua algoritma menggunakan metrik accuracy, precision, recall, dan f1 score. Temuan dari penelitian ini memperlihatkan bahwa algoritma convolutional neural network mengungguli long short-term memory dengan accuracy 94,22%, precision 92,63%, recall 96,13 % dan f1-score 94,41%. Penelitian ini menyimpulkan bahwa algoritma convolutional neural network lebih efektif dalam mendeteksi serangan phishing website.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Convolutional Neural Network, Deep Learning, Keamanan Website, Long Short-Term Memory, Serangan Phishing
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Mr Bambang Anthony
Date Deposited:	22 Jul 2026 02:17
Last Modified:	22 Jul 2026 02:17
URI:	http://eprints.polsri.ac.id/id/eprint/22271

Actions (login required)

View Item