relation: https://eprints.amikom.ac.id/id/eprint/31884/
title: MULTINOMIAL NAÏVE BAYES UNTUK DETEKSI PHISHING  URL DENGAN PERBANDINGAN REPRESENTASI FITUR  BAG OF WORDS DAN TF-IDF
creator: Bonai, Georel Jeferson Fransiskus
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
description: Phishing merupakan salah satu bentuk serangan siber yang memanfaatkan  URL palsu untuk menipu pengguna agar memberikan informasi sensitif. Seiring  meningkatnya jumlah serangan phishing, diperlukan metode deteksi otomatis yang  efektif dan efisien. Penelitian ini bertujuan untuk membangun dan mengevaluasi  model deteksi phishing URL menggunakan algoritma Multinomial Naïve Bayes  dengan dua metode representasi teks, yaitu Bag of Words (BoW) dan Term  Frequency–Inverse Document Frequency (TF-IDF).  Dataset yang digunakan terdiri dari beberapa kelas URL, yaitu benign,  phishing, malware, dan defacement, yang memiliki distribusi data tidak seimbang.  Untuk mengatasi permasalahan tersebut, diterapkan teknik Synthetic Minority  Over-sampling Technique (SMOTE) pada data latih. Proses penelitian meliputi  tahapan preprocessing teks, representasi fitur menggunakan character n-gram,  pelatihan model, serta evaluasi menggunakan metrik accuracy, precision, recall,  dan F1-score. Selain itu, dilakukan 5-Fold Cross Validation untuk mengukur  stabilitas dan kemampuan generalisasi model.  Hasil pengujian menunjukkan bahwa kedua metode representasi teks  mampu menghasilkan performa klasifikasi yang baik. Representasi BoW  menghasilkan accuracy sebesar (78,20%) dan F1-score sebesar (78,59%),  sedangkan TF-IDF memperoleh accuracy sebesar (77,90%) dan F1-score sebesar  (79,16%). Dari sisi stabilitas, hasil validasi menunjukkan nilai CV-Mean yang  konsisten pada kedua metode. Selain itu, BoW memiliki waktu komputasi  vektorisasi yang lebih rendah dibandingkan TF-IDF, sehingga lebih efisien dalam  pemrosesan data skala besar. Berdasarkan evaluasi kinerja, stabilitas model, dan  efisiensi waktu komputasi, model Multinomial Naïve Bayes dengan representasi  BoW dan penerapan SMOTE dipilih sebagai model terbaik dalam penelitian ini.
date: 2026-01-23
type: Thesis
type: NonPeerReviewed
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31884/1/COVER.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31884/2/BAB%20I.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31884/3/BAB%20II.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31884/4/BAB%20III.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31884/5/BAB%20IV.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31884/6/BAB%20V.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31884/8/Daftar%20Pustaka%20dan%20Lampiran.pdf
format: archive
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31884/9/Sourcecode%20-%2022.83.0833.zip
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31884/10/Publikasi.pdf
identifier:   Bonai, Georel Jeferson Fransiskus  (2026) MULTINOMIAL NAÏVE BAYES UNTUK DETEKSI PHISHING URL DENGAN PERBANDINGAN REPRESENTASI FITUR BAG OF WORDS DAN TF-IDF.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.