Analisis Masalah Serangan Phishing pada Penggunaan Email

Penulis

  • Moch. Irdi Nusa Putra University
  • Rega Aditya Nusa Putra University
  • Adzrial Ramdhani Nusa Putra University
  • Dhika Dwi Nugraha Nusa Putra University
  • M. Fauzi Ari Febrian Nusa Putra University
  • Nugraha Nusa Putra University

Kata Kunci:

Decision Tree, Keamanan Siber, Pembelajaran Mesin, Phishing, Random Forest, SVM

Abstrak

Phishing merupakan salah satu ancaman siber yang paling sering dialami oleh pengguna email, yang bertujuan untuk mencuri informasi pribadi seperti kata sandi dan data keuangan. Permasalahan ini semakin meningkat dengan perkembangan teknologi komunikasi digital yang memudahkan pelaku serangan untuk menargetkan korban secara massal. Dalam penelitian ini, dilakukan analisis terhadap teknik dan metode serangan phishing melalui email serta dampaknya terhadap keamanan informasi pengguna. Metode yang digunakan meliputi pengumpulan dan analisis data dari insiden phishing yang dilaporkan oleh pengguna, serta pengujian berbagai algoritma deteksi phishing berbasis machine learning. Pengumpulan data dilakukan melalui survei dan pengamatan langsung terhadap pola serangan pada beberapa layanan email populer. Algoritma yang diuji termasuk Decision Tree, Random Forest, dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa metode deteksi berbasis machine learning memiliki tingkat akurasi yang tinggi dalam mengidentifikasi email phishing, dengan Random Forest mencapai akurasi sebesar 93%. Penelitian ini juga menemukan bahwa edukasi pengguna mengenai tanda-tanda phishing dan penerapan langkah-langkah keamanan yang ketat dapat secara signifikan mengurangi risiko menjadi korban serangan phishing. Implementasi hasil penelitian diharapkan dapat meningkatkan kesadaran dan perlindungan pengguna email terhadap ancaman phishing.

Referensi

Ghani, M. (2023). Email Spam Filtering Dengan Algoritma Random Forest. Indonesian Journal on Computer and Information Technology, 8(1), 45-52. Retrieved from https://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/article/view/4667/0

Umam, C., Handoko, L. B., & Isinkaye, F. O. (2024). Performance Analysis of Support Vector Classification and Random Forest in Phishing Email Classification. Scientific Journal of Informatics, 11(2), 367-374. https://doi.org/10.15294/sji.v11i2.3301

Inayah, L. K. (2024). Perbandingan Deteksi Web Phishing dengan Fitur Menggunakan SVM, Random Forest, dan Gradient Boosting Classifier. Institutional Repository UIN Sunan Kalijaga Yogyakarta. Retrieved from https://digilib.uin-suka.ac.id/id/eprint/68154/

Kencana, A. K., Ananda, F. D., Hartanto, A. D., & Hartatik, H. (2022). Implementasi Metode Random Forest Klasifikasi untuk Phishing Link Detection. Intechno Journal: Information Technology Journal, 4(2), 56-63. https://doi.org/10.24076/intechnojournal.2022v4i2.1562

Tampinongkol, F. F., Kamila, A. R., Wardhana, A. C., Kusuma, A. W. C., & Revaldo, D. (2024). Implementation of Random Forest Classification and Support Vector Machine Algorithms for Phishing Link Detection. Journal of Informatics Information System Software Engineering and Applications (INISTA), 7(1), 127-137. https://doi.org/10.20895/inista.v7i1.1588

Unduhan

Diterbitkan

28-05-2025

Terbitan

Bagian

Artikel

Cara Mengutip

Analisis Masalah Serangan Phishing pada Penggunaan Email. (2025). Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer , 4, 142-146. http://prosiding.sentimeter.nusaputra.ac.id/index.php/prosiding/article/view/83