PTTIPTTI
Journal of Fuzzy Systems and ControlJournal of Fuzzy Systems and ControlPeningkatan proliferasi smartphone memicu peningkatan akses data dan mobilitas, namun juga membuka pintu bagi serangan siber, khususnya phishing. Penelitian ini mengusulkan model pembelajaran bertumpuk (stacked learning) untuk mengklasifikasikan luring (tawar-menawar) berbahaya di situs phishing. Model hibrida ini menggabungkan tiga pembelajar dasar—Genetic Algorithm, Random Forest, dan Modular Neural Network—yang output-nya menjadi input bagi meta‑regressor XGBoost. Untuk menangani ketidakseimbangan dataset, teknik SMOTE‑Tomek digunakan, sedangkan pemilihan fitur dioptimalkan dengan Relief Rank. Hasilnya, model mencapai F1 0.995, Akurasi 1.000, Recall 0.998, dan Precision 1.000 pada 3.591 data uji yang disandikan. Sebandingkan dengan metode benchmark, model ini menunjukkan keunggulan signifikan dalam akurasi, presisi, dan sensitivitas. Penelitian ini menyumbang kerangka kerja ringan namun efektif untuk deteksi phishing yang dapat diimplementasikan pada skala besar.
Penelitian ini berhasil menyusun hibrida pembelajaran bertumpuk yang memanfaatkan Genetic Algorithm, Random Forest, dan Modular Neural Network sebagai pembelajar dasar, dan XGBoost sebagai meta‑regressor, untuk mengklasifikasikan situs phishing dengan akurasi 99.7 % dan presisi 100 % pada data uji.Teknik SMOTE‑Tomek menyeimbangkan kelas minoritas, sehingga meningkatkan recall dan F1-score.Model ini menunjukkan generalisasi superior dibandingkan dengan benchmark, mengecilkan kesalahan positif palsu.Penggunaan fitur Relief‑Rank membantu memperkecil dimensi dataset tanpa mengorbankan performa, sehingga model lebih efisien dan mudah diinterpretasi.
Penelitian lanjutan dapat mengkaji penerapan model ini pada skenario multi‑kelas dengan memperkenalkan fitur multimodal, seperti metadata gambar dan perilaku pengguna, untuk melihat apakah kinerja tetap tinggi ketika melibatkan berbagai jenis serangan siber. Selain itu, mengevaluasi efektivitas model dalam kondisi real‑time pada jaringan mobile dapat membuka jalan bagi sistem deteksi phishing yang responsif dan terintegrasi secara langsung ke perangkat pengguna. Selanjutnya, eksperimen dengan strategi augmentasi data berbasis generative adversarial networks (GAN) dapat dipertimbangkan untuk mengatasi keterbatasan dataset, membantu model belajar pola serangan yang lebih beragam dan sulit dideteksi, sehingga meningkatkan ketahanan sistem keamanan web.
- RICE DISEASE RECOGNITION USING TRANSFER LEARNING XCEPTION CONVOLUTIONAL NEURAL NETWORK | Jurnal Teknik... jutif.if.unsoed.ac.id/index.php/jurnal/article/view/1529RICE DISEASE RECOGNITION USING TRANSFER LEARNING XCEPTION CONVOLUTIONAL NEURAL NETWORK Jurnal Teknik jutif if unsoed ac index php jurnal article view 1529
- Game-Theory-Based Analysis of Key Factors Influencing Saudi Consumer Trust in E-commerce | IEEE Conference... doi.org/10.1109/HORA61326.2024.10550488Game Theory Based Analysis of Key Factors Influencing Saudi Consumer Trust in E commerce IEEE Conference doi 10 1109 HORA61326 2024 10550488
- Investigating Data Balancing Effects for Enhanced Behavioural Risk Detection in Cervical Cancer Using... doi.org/10.37933/nipes/7.2.2025.24Investigating Data Balancing Effects for Enhanced Behavioural Risk Detection in Cervical Cancer Using doi 10 37933 nipes 7 2 2025 24
- Adaptive Learner-CBT with Secured Fault-Tolerant and Resumption Capability for Nigerian Universities.... thesai.org/Publications/ViewPaper?Volume=14&Issue=8&Code=IJACSA&SerialNo=16Adaptive Learner CBT with Secured Fault Tolerant and Resumption Capability for Nigerian Universities thesai Publications ViewPaper Volume 14 Issue 8 Code IJACSA SerialNo 16
| File size | 869.8 KB |
| Pages | 9 |
| DMCA | Report |
Related /
PANDAWANPANDAWAN Disarankan agar penelitian lanjutan mensimulasi atau menguji coba model ini untuk evaluasi dan implementasi praktis. Penelitian ini mengembangkan kerangkaDisarankan agar penelitian lanjutan mensimulasi atau menguji coba model ini untuk evaluasi dan implementasi praktis. Penelitian ini mengembangkan kerangka
IAIIIAII Disisi lain, SVM dengan kernel linear, performa terbaik diperoleh ketika menerapkan teknik standarisasi (normalisasi zero-mean). Sedangkan algoritme ANN,Disisi lain, SVM dengan kernel linear, performa terbaik diperoleh ketika menerapkan teknik standarisasi (normalisasi zero-mean). Sedangkan algoritme ANN,
STMIKBINSASTMIKBINSA Namun, proses pendaftaran uji kompetensi sebelumnya memiliki beberapa kekurangan, seperti tidak adanya validasi data saat pendaftaran serta keterbatasanNamun, proses pendaftaran uji kompetensi sebelumnya memiliki beberapa kekurangan, seperti tidak adanya validasi data saat pendaftaran serta keterbatasan
PNLPNL Model pembelajaran mesin secara luas digunakan untuk memprediksi sifat mekanik logam aluminium. Namun, akurasinya sering terhambat oleh kekurangan dataModel pembelajaran mesin secara luas digunakan untuk memprediksi sifat mekanik logam aluminium. Namun, akurasinya sering terhambat oleh kekurangan data
UMJ PremiumUMJ Premium Latar Belakang: remaja gizi kurang merupakan masalah gizi yang terjadi di Indonesia, yang penyebabnya karena pola makan yang kurang bervariasi, denganLatar Belakang: remaja gizi kurang merupakan masalah gizi yang terjadi di Indonesia, yang penyebabnya karena pola makan yang kurang bervariasi, dengan
SEMINAR IDSEMINAR ID Data obat yang ada akan dikelompokkan ke dalam 3 cluster, yaitu cluster 0 untuk permintaan obat tinggi, cluster 1 untuk permintaan obat menengah dan clusterData obat yang ada akan dikelompokkan ke dalam 3 cluster, yaitu cluster 0 untuk permintaan obat tinggi, cluster 1 untuk permintaan obat menengah dan cluster
IAIIIAII Hasil pengujian menunjukkan bahwa pada distribusi data uji dengan rasio 90%‑10% memperoleh performa yang lebih baik dibandingkan pengujian lain, denganHasil pengujian menunjukkan bahwa pada distribusi data uji dengan rasio 90%‑10% memperoleh performa yang lebih baik dibandingkan pengujian lain, dengan
UBHARAUBHARA Penentuan jumlah data pelatihan dan data uji sangat berpengaruh pada hasil akhir perhitungan menggunakan metode Naïve Bayes. Penentuan kelas juga mempengaruhiPenentuan jumlah data pelatihan dan data uji sangat berpengaruh pada hasil akhir perhitungan menggunakan metode Naïve Bayes. Penentuan kelas juga mempengaruhi
Useful /
IAIIIAII Salah satu metode yang digunakan untuk mempertahankan komunikasi dengan menerapkan sistem protocol redundancy. Satu atau lebih router akan bertindak sebagaiSalah satu metode yang digunakan untuk mempertahankan komunikasi dengan menerapkan sistem protocol redundancy. Satu atau lebih router akan bertindak sebagai
IAIIIAII In this application, there are education and game features. The education features an exciting good and gets the sound from the lesson that is available.In this application, there are education and game features. The education features an exciting good and gets the sound from the lesson that is available.
PTTIPTTI Fungsi keanggotaan Gaussian dan sistem inferensi fuzzy tipe Sugeno digunakan untuk menyetel parameter gain berdasarkan kesalahan pelacakan dan turunannyaFungsi keanggotaan Gaussian dan sistem inferensi fuzzy tipe Sugeno digunakan untuk menyetel parameter gain berdasarkan kesalahan pelacakan dan turunannya
PTTIPTTI The LQR control method is inherited from former results, and the weighing matrices (Q and R) are optimized by the PSO method. In each case, the controlThe LQR control method is inherited from former results, and the weighing matrices (Q and R) are optimized by the PSO method. In each case, the control