Fatih, Dhanu Ahsan (2025) ANALISIS PERBANDINGAN TEKNIK EXPLAINABLE AI UNTUK MODEL DETEKSI PHISING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (159kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (490kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (235kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (903kB) |
|
Text (BAB V)
BAB V.pdf Download (70kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (183kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 21.61.0216.zip Restricted to Repository staff only Download (2MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (744kB) |
Abstract
Phishing merupakan ancaman siber yang dapat mencuri informasi pribadi melalui situs palsu. Kompleksitas serangan phishing membuat sistem deteksi sulit menjelaskan alasan di balik setiap keputusan, sehingga menurunkan kepercayaan pengguna. Oleh karena itu, diperlukan pendekatan yang mampu memberikan transparansi dalam proses deteksi. Penelitian ini membandingkan beberapa teknik Explainable Artificial Intelligence (XAI) dalam menjelaskan model deteksi phishing berbasis machine learning. Model yang diuji meliputi Logistic Regression, Decision Tree, XGBoost, LightGBM, dan CatBoost. Sementara teknik XAI yang digunakan antara lain SHapley Additive exPlanations (SHAP), Local Interpretable Model-Agnostic Explanations (LIME), dan Partial Dependence Plot (PDP). Dataset yang digunakan terdiri dari fitur-fitur situs phishing dan non-phishing yang telah diproses dan diklasifikasi. Hasil menunjukkan bahwa teknik XAI dapat menjelaskan berapa kontribusi setiap fitur terhadap prediksi model, terutama SHAP dan LIME yang mampu memberikan visualisasi interpretatif. Penelitian ini diharapkan dapat meningkatkan transparansi dan kepercayaan terhadap sistem deteksi phishing serta bermanfaat bagi pengembang sistem keamanan dan peneliti di bidang AI dan keamanan siber.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Phishing, Explainable AI, SHAP, LIME, PDP | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 10 Nov 2025 07:06 | ||
| Last Modified: | 10 Nov 2025 07:06 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/30950 |
Actions (login required)
 |
View Item |