Penerapan Pembelajaran Mesin Dalam Pencegahan Kejahatan Siber

Rahman, Nabil Hudiya (2025) Penerapan Pembelajaran Mesin Dalam Pencegahan Kejahatan Siber. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (340kB)
	Text (Bab 1 Pendahuluan) BAB I.pdf - Published Version Download (304kB)
	Text (Bab 6 Penutup) BAB VI.pdf - Published Version Download (204kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (215kB)
	Text (Skripsi Full Text) Skripsi Full Text.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Kejahatan siber seperti phishing dan spam telah menjadi ancaman signifikan di era digital, terutama dengan meningkatnya penggunaan internet di Indonesia. Ancaman ini tidak hanya berdampak pada kerugian finansial, tetapi juga pada keamanan data pribadi masyarakat. Penelitian ini bertujuan untuk merancang model machine learning yang mampu mengenali pola kejahatan siber dengan akurasi tinggi, guna mendukung upaya pencegahan kejahatan siber secara efektif. Penelitian ini menggunakan berbagai algoritma machine learning, seperti LSTM yang diintegrasikan dengan K-fold Cross Validation untuk deteksi email phishing, email spam, dan spam pada platform Twitter. Selain itu, algoritma Random Forest dengan GridSearchCV digunakan untuk mendeteksi web phishing dan spam pada Facebook. Proses pengembangan model ini melibatkan pengolahan data besar dan tuning parameter untuk mendapatkan performa optimal. Hasil penelitian menunjukkan bahwa model LSTM menghasilkan akurasi sebesar 99.70% untuk deteksi email phishing, 99.06% untuk email spam, dan 89.05% untuk spam pada Twitter. Sementara itu, algoritma Random Forest mencapai akurasi 94.18% pada deteksi web phishing dan 95.83% untuk spam pada Facebook. Penerapan teknologi ini tidak hanya meningkatkan keamanan digital tetapi juga memberikan manfaat bagi efisiensi energi dan keberlanjutan lingkungan. Dengan mengurangi serangan siber, kebutuhan mitigasi dan pemrosesan data tambahan dapat ditekan, sehingga mengurangi konsumsi daya server dan jejak karbon. Selain itu, keberhasilan dalam mencegah serangan web phishing pada infrastruktur kritis, seperti sektor energi, mencegah risiko gangguan besar seperti pemadaman listrik yang dapat berdampak pada aktivitas masyarakat dan ekonomi.

Actions (login required)

View Item