eprintid: 31862
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/18/62
datestamp: 2026-07-01 07:07:58
lastmod: 2026-07-01 07:07:58
status_changed: 2026-07-01 07:07:58
type: thesis
metadata_visibility: show
creators_name: Saputra, Krisna Yogi
creators_nim: 22.83.0795
contributors_name: Hidayat, Tonny
corp_creators: Universitas AMIKOM Yogyakarta
title: MODEL KLASIFIKASI URL PHISHING MENGGUNAKAN
DECISION TREE DENGAN ADAPTIVE 
DAN GRADIENT BOOSTING
ispublished: pub
subjects: 000.000.000A
divisions: tk
full_text_status: restricted
keywords: URL phishing, Decision Tree, Adaptive Boosting, Gradient
Boosting, Machine Learning.
abstract: Seiring dengan meningkatnya penggunaan internet, ancaman serangan siber
berupa URL phishing semakin berkembang dan berpotensi mencuri informasi
sensitif pengguna. Untuk mengatasi permasalahan tersebut, pendekatan machine
learning dapat digunakan untuk mengklasifikasikan URL ke dalam kategori
phishing dan legitimate. Penelitian ini bertujuan untuk meningkatkan performa
algoritma Decision Tree melalui penerapan metode ensemble learning berbasis
boosting, yaitu Adaptive Boosting dan Gradient Boosting.
Dataset yang digunakan terdiri dari dua kelas yaitu phishing dan legitimate
yang telah melalui tahap preprocessing dan transformasi ke dalam fitur numerik
agar dapat diproses oleh model klasifikasi. Tahapan penelitian meliputi pembagian
data menjadi training, validasi, dan testing, proses pelatihan model, penyesuaian
parameter seperti learning rate, serta evaluasi menggunakan metrik akurasi, presisi,
recall, dan F1-score.
Hasil penelitian menunjukkan bahwa model Decision Tree tanpa boosting
memperoleh akurasi sebesar 0,94 dengan nilai presisi, recall, dan F1-score sebesar
0,94. Setelah diterapkan Adaptive Boosting, akurasi meningkat menjadi 0,97
dengan peningkatan yang konsisten pada seluruh metrik evaluasi. Model Gradient
Boosting juga menghasilkan akurasi sebesar 0,97 dengan performa evaluasi yang
seimbang. Hasil ini menunjukkan bahwa metode boosting efektif dalam
meningkatkan akurasi dan kemampuan generalisasi Decision Tree dalam
mendeteksi URL phishing.
date: 2026-02-25
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Saputra, Krisna Yogi  (2026) MODEL KLASIFIKASI URL PHISHING MENGGUNAKAN DECISION TREE DENGAN ADAPTIVE DAN GRADIENT BOOSTING.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31862/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31862/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31862/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31862/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31862/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31862/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31862/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31862/8/Sourcecode%20-%2022.83.0795.zip
document_url: https://eprints.amikom.ac.id/id/eprint/31862/9/Publikasi.pdf