ALI, Muhammad Haikal (2026) Klasifikasi Email Phishing Menggunakan Support Vector Machine Dan Naive Bayes Dengan Perbandingan Vektorisasi Teks. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) MUHAMMAD HAIKAL ALI_24060121130064_FILE SKRIPSI.zip Restricted to Repository staff only Download (28MB) | Request a copy
	Text 1. COVER.pdf Download (433kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (223kB)
	Text 5. KATA PENGANTAR.pdf Download (284kB)
	Text 7. ABSTRAK.pdf Download (202kB)
	Text 8. ABSTRACT.pdf Download (141kB)
	Text 9. DAFTAR ISI.pdf Download (787kB)
	Text 13. BAB I PENDAHULUAN.pdf Download (1MB)
	Text 18. DAFTAR PUSTAKA.pdf Download (683kB)

Abstract

Perkembangan teknologi komunikasi digital yang pesat telah meningkatkan risiko serangan phishing
melalui email, sehingga diperlukan metode yang mampu mendeteksi email phishing secara akurat
dan andal. Sebelumnya, sistem klasifikasi email phishing banyak menggunakan metode berbasis
aturan atau keyword, namun performanya terbatas karena sulit menangani variasi teks yang
kompleks dan pola phishing yang terus berkembang. Penelitian ini mengusulkan untuk membuat
sistem klasifikasi email phishing dengan membandingkan tiga metode vektorisasi teks yaitu Term
Frequency-Inverse Document Frequency (TF-IDF), Count Vectorizer, dan Word2Vec CBOW,
menggunakan dua algoritma klasifikasi yaitu Support Vector Machine dan Naive Bayes. Penelitian
ini dilakukan untuk menemukan kombinasi metode dan algoritma yang efisien dalam mendeteksi
email phishing pada empat macam dataset yaitu CEAS_08, SpamAssasin, Enron, dan
Phishing_Email. Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dengan SVM memberikan
performa terbaik secara konsisten, dengan akurasi tertinggi pada dataset CEAS_08 sebesar 0,996,
diikuti oleh dataset SpamAssassin 0,993, Enron 0,989, dan Phishing_Email 0,977. Hasil ini
menegaskan bahwa metode TF-IDF mampu merepresentasikan karakteristik teks email secara
efisein, dan SVM memberikan klasifikasi yang stabil serta akurat. Oleh karena itu, kombinasi TF
IDF dan SVM dipilih sebagai metode terbaik untuk sistem deteksi email phishing.
Kata Kunci: Email Phishing, Klasifikasi Teks, Support Vector Machine, Naive Bayes, TF-IDF,
Count Vectorizer, Word2Vec

(NO. KETERSEDIAAN : 1692/F/2026)

Actions (login required)

View Item