Extreme Learning Machine Berbasis Recurrent Pada Deteksi Phishing Email

Luqyana, Wanda Athira and Dr. Eng. Fitra A. Bachtiar,, S.T., M.Eng. and Dr. Lailil Muflikhah,, S.Kom., M.Sc (2022) Extreme Learning Machine Berbasis Recurrent Pada Deteksi Phishing Email. Magister thesis, Universitas Brawijaya.

Abstract

Phishing email menjadi salah satu bentuk kejahatan siber yang telah mendunia. Keberadaan email yang merupakan media penting baik untuk kegunaan finansial maupun non finansial secara pribadi maupun non pribadi menjadi target yang mudah sebagai seseorang untuk melakukan tindak kejahatan siber. Berdasarkan data statistik didapatkan 55,53% telah dikirimkan phishing email di Indonesia. Upaya untuk mendeteksi phishing email menjadi fokus yang dilakukan agar dapat meminimalisir korban akibat phishing email. Recurrent Extreme Learning Machine Neural Network (RELMNN) merupakan metode yang diusulkan untuk menyelesaikan permasalahan pada deteksi phishing email. Penelitian yang dilakukan dengan metode ELM yang berbasis recurrent merupakan proses yang digunakan agar dapat memberikan koneksi antara input dan output jaringan dari setiap dokumen data, sehingga dapat memberikan hasil lebih baik untuk mendeteksi phishing email. RELMNN yang mempertimbangkan setiap jumlah parameter hidden neuron dan context neuron. Penelitian ini mengkombinasikan metode usulan dengan feature selection, Principal Component Analysis (PCA) sebagai metode untuk mereduksi dimensi fitur pada teks dalam memberikan hasil performa sistem terbaik. Hasil penelitian yang didapatkan dalam metode usulan yang dibandingkan dengan metode ELM dan Naïve Bayes, RELMNN memiliki rata-rata akurasi sebesar 99,876% dengan mengkombinasikannya dengan PCA.

English Abstract

Phishing email has become a form of cybercrime that has gone global. The existence of email, which is an important medium for both personal and non- financial and non-financial uses, is an easy target as someone to commit cybercrime. Based on statistical data, it was found that 55.53% phishing emails had been sent in Indonesia. Efforts to detect phishing emails are the focus of the effort to minimize victims due to phishing emails. Recurrent Extreme Learning Machine Neural Network (RELMNN) is a proposed method to solve problems in phishing email. This research conducted using recurrent process is used in order to provide a connection between the input and output of the network, so that it can provide better results for detecting phishing emails. RELMNN considers every number of the parameters, hidden neuron and context neuron. This research was conducted feature extraction by combining Principal Component Analysis (PCA) as a method to reduce the dimension of features in text in order to provide the best performance results. The results of the study obtained in the proposed method compared to the ELM and Naïve Bayes methods, RELMNN has an average accuracy of 99.876% by combining it with PCA.

Item Type:	Thesis (Magister)
Identification Number:	042215
Uncontrolled Keywords:	Phishing email, cybercrime, recurrent extreme learning machine neural network, principal component analysis, phishing email; cybercrime; Recurrent Extreme Learning Machine Neural Network.
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	S2/S3 > Magister Ilmu Komputer, Fakultas Ilmu Komputer
Depositing User:	PKN 03 UB
Date Deposited:	09 Jun 2023 06:48
Last Modified:	09 Jun 2023 06:48
URI:	http://repository.ub.ac.id/id/eprint/201348

Text (DALAM MASA EMBARGO) WANDA ATHIRA LUQYANA.pdf Restricted to Registered users only until 31 December 2024. Download (3MB)

Actions (login required)

View Item