APLIKASI FILTRASI SPAM DAN PHISING PESAN WHATSAPP DENGAN METODE TF - IDF DAN MACHINE LEARNING

Manurung, Ferdinand Aprillian (2024) APLIKASI FILTRASI SPAM DAN PHISING PESAN WHATSAPP DENGAN METODE TF - IDF DAN MACHINE LEARNING. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_TEKOM_2004930_Tittle.pdf Download (1MB)
	Text S_TEKOM_2004930_Chapter 1.pdf Download (626kB)
	Text S_TEKOM_2004930_Chapter 2.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_TEKOM_2004930_Chapter 3.pdf Download (1MB)
	Text S_TEKOM_2004930_Chapter 4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_TEKOM_2004930_Chapter5.pdf Download (690kB)
	Text S_TEKOM_2004930_Appendix.pdf Restricted to Staf Perpustakaan Download (4MB)

Abstract

Pesatnya perkembangan teknologi komunikasi telah menyebabkan peningkatan jumlah pesan yang tidak diinginkan, seperti Spam dan Phising. Perkembangan tersebut masih belum dibarengi dengan adanya kesadaran pengguna akan dasar – dasar penggunaan teknologi. Ditambah penerapan hukum terhadap kejahatan melalui jaringan internet yang masih simpang siur menambah resiko pengguna menjadi korban dari kejahatan yang dilakukan melalui jaringan internet. Sebagai salah satu media Spam dan Phising, Penelitian ini bertujuan untuk mengembangkan aplikasi yang mampu memfilter pesan Spam dan Phishing pada WhatsApp menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan machine learning dengan algoritma Random Forest. Aplikasi ini dikembangkan menggunakan arsitektur Model-View-ViewModel (MVVM), yang memungkinkan pemisahan logika bisnis dari antarmuka pengguna, sehingga meningkatkan efisiensi pengembangan dan pemeliharaan. Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dan Random Forest memberikan tingkat akurasi yang tinggi dalam klasifikasi pesan Spam dan Phishing. Pengukuran menggunakan confusion matrix menunjukkan bahwa model memiliki akurasi sebesar 92 %. Dengan presisi, recall, dan F1 – score masing – masing 89%, 95%, 92 %, untuk kelas pesan yang aman dan 95%, 88%, 92%, untuk kelas pesan yang berbahaya. Integrasi antara model dan aplikasi juga berjalan dengan sangat baik terbukti dengan hasil pengujian dengan metode black – box yang semua skenarionya terpenuhi dan berhasil melakukan deteksi terhadap pesan pengujian dengan akurasi 98%. Diharapkan aplikasi yang dikembangkan mampu memberikan perlindungan yang lebih baik bagi pengguna WhatsApp dari ancaman digital. ------------ The rapid development of communication technology has led to an increase in the number of unwanted messages, such as Spam and Phishing. This development is still not accompanied by user awareness of the basics of using technology. In addition, the application of law regarding crimes via internet networks is still confusing, adding to the risk of internet network technology users falling victim to crimes via internet networks. As one of the Spam and Phishing media, this research aims to develop an application that is able to filter spam and phishing messages on WhatsApp using the TF-IDF (Term Frequency-Inverse Document Frequency) method and machine learning with the Random Forest model. The application is developed using the MVVM (Model-View-ViewModel) architecture, which allows separating business logic from the user interface, thereby increasing development and maintenance efficiency. The research results show that the combination of TF-IDF and Random Forest provides a high level of accuracy in classifying spam and phishing messages. Measurements using the confusion matrix show that the model has an accuracy of 92%. With precision, recall, and F1 – scores of 89%, 95%, 92%, respectively, for the safe message class and 95%, 88%, 92%, for the dangerous message class. The integration between the model and application also went very well as proven by the results of testing using the black-box method where all scenarios were met and successfully detected the test message with an accuracy of 98%. So, the application developed is able to provide better protection for WhatsApp users from digital threats.

Item Type:	Thesis (S1)
Uncontrolled Keywords:	Spam, Phishing, TF-IDF, Machine Learning, Random Forest, Arsitektur MVVM
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	UPI Kampus cibiru > S1 Teknik Komputer
Depositing User:	Ferdinand Aprillian Manurung
Date Deposited:	23 Sep 2024 02:25
Last Modified:	23 Sep 2024 04:51
URI:	http://repository.upi.edu/id/eprint/122596

Actions (login required)

View Item