Prosiding SeNTIK STI&K, Vol 3 (2019)

Font Size:  Small  Medium  Large

Metode Klasifikasi Untuk Deteksi Uniform Resource Locator (Url)Berdasarkan Jenis Serangan Menggunakan Algoritma Naive Bayes, C4.5 Dan K-Nearest Neighbor

Moh. Yunus, Dwi Widiastuti, Hasma Rasjid, Yulia Chalri

Abstract


Keamanan sistem merupakan hal yang penting dalam menjaga integritas dan kerahasiaan data. Kebocoran data dapat mengancam seiring dengan meningkatnya sumber daya manusia.Banyak pengembang sistem yang berhasil melindungi sistemnya dariURL jahat yang telah dikenal, tentu ini hanya menyelesaikan sebagian dari masalah yang ada, karena URL jahat yang tidak dikenal atau URL jahat baru menjadi ancaman baru dalam masalah ini. Situs web peringkat yang terpercaya yaitu Alexa telah menyampaikan bahwa banyak URL palsu yang dapat dikompromikan, yang mana ini merupakan hal sulit bagi pengembang untuk dapat membedakan atau mengklasifikasikan URL jahat berdasarkan jenis serangannya. Penggunaan algoritma klasifikasi dalam hal ini K-Nearest Neighbor (K-NN), C4.5 dan Naive Bayes merupakan pilihan penting dalam menentukan penggelompokan berdasarkan jenis serangan dengan bantuan analisis leksikal yang baik dan efektif dalam mendeteksi sistem proaktif pada URL yang terbagi dalam 4 jenis yaitu phising, spam, malware, dan defacement. Pendekatan leksikal pada proses klasifikasi dengan algoritma K-NN, C4.5 dan Naïve Bayes mampu mengelompokkan URLs Jahat berdasarkan jenis serangannya tingkat akurasi keberhasilan rata-rata diatas 90% dari dataset yang telah digunakan. 

Full Text: PDF