DICKY ERMAWAN SUKWANA (2018) KLASIFIKASI PHISING WEBSITES MENGGUNAKAN METODE MODIFIED K-NEAREST NEIGHBOR(MKNN). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER_2018101TIF.pdf Download (131kB) | Preview
Preview	Text 2. PENGESAHAN_2018101TIF.pdf Download (632kB) | Preview
Preview	Text 3. ABSTRAK_2018101TIF.pdf Download (97kB) | Preview
Preview	Text 4. KATA PENGANTAR_2018101TIF.pdf Download (301kB) | Preview
Preview	Text 5. DAFTAR ISI_2018101TIF.pdf Download (358kB) | Preview
Preview	Text 6. BAB I_2018101TIF.pdf Download (315kB) | Preview
Preview	Text 7. BAB II_2018101TIF.pdf Download (733kB) | Preview
Preview	Text 8. BAB III_2018101TIF.pdf Download (447kB) | Preview
Preview	Text 9. BAB IV_2018101TIF.pdf Download (1MB) | Preview
	Text 10. BAB V_2018101TIF.pdf Restricted to Repository staff only Download (923kB)
Preview	Text 11. BAB VI_2018101TIF.pdf Download (94kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA_2018101TIF.pdf Download (99kB) | Preview

Abstract

Phishing websitesmerupakan mekanisme kejahatan yang dilakukan dengan teknik social engineeringdan teknik subterfugeuntuk mencuri identitas pengguna. Untuk mendeteksi phishing websitesmaka dilakukan klasifikasi phishing websites. Klasifikasi phishing websitesdilakukan dengan menggunakan sembilan parameter yang dapat memprediksi phishing websites, yaitu ip address, url length, prefix or suffix domain, subdomain, ssl, request url, url anchor, age of domain, web traffic. Dalam penelitian ini, penulis membangun sebuah sistem klasfikasi phishing websitesyang menerapkan metode modified k-nearest neighbordengan nilai k menggunakan bilangan ganjil dari 1 sampai 11. Hasil dari penelitian yang dilakukan adalah akurasi tertinggi sebesar 93,8% dengan skenariodata latih dan data uji 90:10 dan k=3. Rata-rata akurasi dari semua pengujian yang dilakukan adalah sebesar 90,215%.Kata kunci:data mining, klasifikasi, modified k-nearest neighbor, phishing websites, social engineering

Actions (login required)

View Item