Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434 · Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434 1 KOMPARASI ALGORITMA DATA MINING DALAM PREDIKSI KEAMANAN

Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434

i

DEWAN REDAKSI

Penanggung Jawab : M. Nur Anbiya

Pimpinan Redaksi : Reynaldi Noer Rizki

Anggota Penyunting : M. Fahmi Irfananda

Syifa Fauziyah N. I

Sachi Hongo

Faradilla Azranur

Mitra Bestari : Dr. Juli Rejito, M.Kom

Dr. Setiawan Hadi, M.Sc.CS.

Drs. Ino Suryana, M.Kom

Dr. Aje Setiawan A.,MS, M.Kom

Editor/Layout : Zaenal Muttaqien

Kesekretariatan : Junia Adhani Juzar

Bendahara : Sarah Hasna Azzahra

Alamat Redaksi :

Sekretariat: Gedung PPBS D Lantai 3

Universitas Padjadjaran

Jalan Raya Bandung – Sumedang K. 21 Jatinangor 45363

e-mail : [email protected] website: himatif.fmipa.unpad.ac.id

mailto:[email protected]


ii

KATA PENGANTAR

Assalaamualaikum Wr. Wb.

Salam sejahtera untuk kita semua.

Om Swastiastu.

Sotthi hotu.

Informatics Festival 2018 adalah acara tahunan yang diselenggarakan oleh Badan

Eksekutif Himpunan Mahasiswa Teknik Informatika FMIPA Unpad yang sudah

berjalan 4 tahun ini secara konsisten.

Salah satu rangkaian dari IFest 2018 adalah Seminar Nasional Informatika dimana

di rangkaian tersebut menghadirkan 2 kegiatan utama yaitu pematerian oleh

pembicara yang ahli dibidang yang berkaitan dan presentasi dari pemakalah.

Seminar Nasional Informatika 2018 mengusung tema "Tech Up Your Knowledge

for Better Security" yang harapannya adalah untuk meningkatkan keamanan

dalam bentuk apapun untuk kemjuan teknologi informasi di Indonesia.

Kami panita Informatics Festival 2018, sangat senang sekali bisa menyambut

kedatangan yang terhormat bapak dan ibu peserta Seminar Nasional Informatika

2018 dan pemakalah di Graha Sanusi Universitas Padjadjaran, Bandung.

Tujuan Seminar Nasional Informatika 2018 ini adalah untuk menjadi salah satu

wadah yang memberikan kebermanfaatan dalam bidang teknologi informasi

dengan berbagai cara secara optimal untuk Indonesia yang lebih maju.

Pada Seminar Nasional Informatika 2018 ini, hadir lebih dari 230 peserta Seminar

Nasional Informatika dan 10 pemakalah untuk bersama-sama memajukan

teknologi informasi Indonesia.

Kami sangat terhormat bisa menghadirkan empat pembicara utama di Seminar

Nasional Informatika 2018 ini. Dengan segala hormat kami mengucapkan terima

kasih kepada bapak Dadhi Wijayanto, S.Si, CEH, ENSA dari Leader of IT

Security Operation Garuda Indonesia, bapak Muhammad Fahri Shihab, BSc,

OSCP dari Security Engineer Gojek, bapak Yohanes Syailendra, M.Kom, CEH,

ECSA dari Assistant Manager Cyber Security PwC Indonesia, dan bapak Notario

Airlangga S.Kom, CEH, ECSA, CHFI, ENSA dari Security Engineer BRI.

Kami berharap semua peserta Seminar Nasional Informatika 2018 tidak hanya

mendapatkan pematerian maupun mempresentasikan makalah saja, namun juga

berperan aktif untuk turut serta bersama peserta lainnya lebih lanjut meningkatkan

teknologi informasi Indonesia.

Seminar Nasional Informatika 2018 ini tidak akan terlaksana apabila tidak ada

usaha dari berbagai macam individu yang berkontribusi secaca maksimal untuk

terselenggaranya kegiatan ini.


iii

Untuk dedikasinya, dengan rasa hormat dan tulus kami sangat berterima kasih dan

mengapresiasi.

Dengan rasa hormat dan tulus kami ucapkan tertuju kepada lembaga-lembaga

yang sangat membantu untuk terlaksananya kegiatan Seminar Nasional

Informatika 2018.

Terakhir, kami berharap seluruh peserta Seminar Nasional Informatika 2018 dapat

mengimplementasikan secara nyata ilmu-ilmu yang disampaikan oleh pemateri

maupun pemakalah untuk bersama-sama berkolaborasi memajukan teknologi

informasi Indonesia.

Wassalaamualaikum Wr. Wb.

Dengan Hormat,

Jatinangor, 16 Desember 2018

Muhammad Nur Anbiya Pohan

Ketua Pelaksana


iv

DAFTAR ISI

DEWAN REDAKSI ................................................................................................ i

KATA PENGANTAR ............................................................................................ ii

DAFTAR ISI .......................................................................................................... iv

KOMPARASI ALGORITMA DATA MINING DALAM PREDIKSI

KEAMANAN WEBSITE ...................................................................................... 1

MENGGAGAS ELECTRONIC VOTINGDALAM MEMPERKUAT

PEMERINTAHAN NEGARA................................................................................ 6

PENETRATION TEST CONSIDERATIONS FOR INTERNET OF THINGS

(IOT) ENVIRONMENT ....................................................................................... 13

PEMANFAATAN BLOCKCHAIN PADA RANTAI PASOK PRODUK DAN

REKAM JEJAK UMKM UNTUK MENINGKATKAN PERTUMBUHAN

INDUSTRI ............................................................................................................ 24

ANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL TWITTER

TERHADAP ASIAN GAMES 2018 DENGAN METODE SUPPORT VECTOR

MACHINE ............................................................................................................. 29

SISTEM E-VOTING MENGGUNAKAN SMART CARD DENGAN DIGITAL

SIGNATURE ALGORITMA RSA DAN PENGGUNAAN MODEL JARINGAN

LOCAL CLIENT-SERVER BERBASIS TEMPAT PEMUNGUTAN SUARA

(TPS) (STUDI KASUS PILKADA KABUPATEN MAJALENGKA) ............... 36

RANCANG BANGUN SISTEM INFORMASI DESA E-GOVERNMENT

(STUDI KASUS DESA TANJUNGSARI KECAMATAN SUKAHAJI

MAJALENGKA) .................................................................................................. 43


1

KOMPARASI ALGORITMA DATA MINING DALAM PREDIKSI

KEAMANAN WEBSITE

Aswan Supriyadi Sunge1, Wisti Dwi Septiani2

STT Pelita Bangsa, AMIK BSI Jakarta

[email protected], [email protected]

ABSTRAK Masalah keamanan merupakan salah satu isu terbesar dalam berinternet. Memang diakui dalam

pengguna online berpikir aman ketika masuk ke dunia maya, padahal jika tidak mengetahui

dalam keamanan kemungkinan akan terjadi hal yang tidak diinginkan terutama dalam pencuri

data. Untuk itu dibutuhkan prediksi dalam melihat website yang benar-benar aman, dengan

menggunakan metode klasifikasi data mining Algoritma C.45, Neural Network dan Naïve Bayes

maka dapat melihat hasil prediksi website yang aman dikunjungi. Berdasarkan akurasi Algoritma

C4.5 menunjukkan hasil presentase 92.08% sedangkan Neural Network sebesar 95.35% dan

Naïve Bayes sebesar 72.61%.

Kata kunci : Prediksi, Klasifikasi, Website

ABSTRACT

Security issues are one of the biggest issues in the internet. Indeed, it is recognized in online

users to think safely when entering the virtual world, even though if you do not know in security

it is likely that things will happen that are undesirable, especially in data theft. For this reason,

predictions are needed in viewing websites that are truly safe, using the data mining

classification method of the C.45 Algorithm, the Neural Network and Naïve Bayes, which can see

the predicted results of websites that are safe to visit. Based on the accuracy of the C4.5

Algorithm, the percentage results were 92.08% while the Neural Network was 95.35% and Naïve

Bayes was 72.61%.

Keywords: Prediction, Classification, Comparison


2

PENDAHULUAN

Pada tahun 1990-an merupakan

perubahan teknologi informasi terutama

dalam era internet. Dilihat dari pertumbuhan

internet di dunia sudah tembus lebih dari 4

milyar1. Pertumbuhan internet juga diiringi

dengan penggunaan e-commerce yang

memberikan kesempatan tanpa bersusah

payah dalam berbelanja dan termasuk

pertukaran data eletronik maupun transaksi

perbankan. Namun dibalik kemudahan

dalam berinternet muncul masalah yaitu

Cybercrimes, yang merupakan prilaku

illegal yang mengarah operasi elektronik

yang target utama keamanan system

computer maupun internet dan proses data2.

Munculnya Cybercrimes ialah ketidak

tahuan akan keamanan berinternet terutama

tidak bisa membedakan situs yang benar-

benar aman. Satu hal yang lagi ketidak

amanan dalam berinternet juga sudah

merambah situs media sosial3. Maka dari itu

penelitian ini bertujuan dalam memprediksi

situs yang terindikasi aman ataupun tidak

aman ketika dikunjungi.

Data mining merupakan data yang

lampau bisa dibilang data yang menjadi

informasi yang tersimpan dalam database4.

Di data mining terdapat beberapa teknik

salah satunya yaitu klasifikasi, yang

merupakan sering digunakan dalam

menentukan intem dari dataset yang didapat

ke dalam suatu class. Tujuan dari klasifikasi

merupakan sebagai prediksi class yang

dicari secara akurat pada setiap kasus dalam

data5. C4.5, Naïve Bayes dan Neural

Network adalah algoritma yang biasa

digunakan dalam melakukan klasifikasi.

Algoritma C4.5 merupakan

pengembangan dari ID3 dalam Gain Ratio

untuk memperbaharui information gain.Juga

10 algoritma yang banyak dipakai dalam

data mining6. Kedua metode mempunyai

prinsip yang sama tetapi ada perbedaan

utama yaitu :

1. C4.5 dapat menangani atribut yang

kontinyu dan juga menangani data

yang lost.

2. Hasil yang didapat akan terpangkas

setelah dibentuk.

3. Pemilihan atribut menggunakan Gain

Ratio.

Dengan atribut Gain Ratio yang paling

tertinggi dipilih sebagai atribut test.

Pendekatan ini juga menerapakan

normalisasi pada Informatian Gain yang

disebut dengan Split Information.

Neural Network (NN) banyak

digunakan digunakan terutama dalam

prediksi data mining, pada awalnya

dibangun dalam machine learning untuk

mencoba meniru neurofisiologi dari otak

manusia melalui kombinasi elemen

komputasi sederhana (neuron) dalam sistem

yang saling berhubungan. NN dapat

memperkirakan rentang yang cukup luas

dalam suatu model statistika dan fleksibel

dalam menggambar model salah satu dalam

data mining7. Salah satu kelebihan NN ialah

cukup baik dalam menangani data yang

mengandung noise8. Multilayer perceptron

(MLP) disebut juga dengan Multilayer

Feedforward Neural Network merupakan

algoritma yang paling luas digunakan. MLP

terdiri dari input layer, satu atau lebih

hidden layer, dan output layer9.

Naïve Bayes (NB) salah satu metode

dalam klasifikasi, kadang disebut juga

sebagai idiot’s Bayes, simple Bayes,

independence Bayes dikarenakan juga

metode sederhana dalam klasifikasi

berdasarkan teori probabilitas yaitu Bayesin

theorem10. Kelebihan NB yaitu

mengandalkan bahwa tidak ada atribut yang

tersembunyi yang bisa mempengaruhi dalam

proses prediksi.

METODE PENELITIAN

Data yang digunakan dalam penelitian ini

merupakan data dari

https://www.kaggle.com/akashkr/phishing-

website-dataset. Dengan jumlah sebanyak

11055 data yang terdiri dari 30 atribut dan

satu Class Aman (-1) dan Tidak Aman (1).

Dari keseluruhan data tersebut dibagi 2 yang

dijadikan data training 80% dan dan data

testing 20% . Untuk mengukur tingkat

akurasi dari prediksi keamanan website

menggunakan Rapid Miner. Tahapan dalam

penelitian ini sebagai berikut :

1. Penggunaan data yang didapat yang

berupa dataset .


3

2. Penentuan Algoritma yang digunakan

yaitu Algoritma C4.5, NN, Naïve

Bayes.

3. Pengujian data set dengan metode yang

digunakan dengan RapidMiner.

4. Pengujian data dengan setiap pengujian

dibagi menjadi data training dan data

testing.

5. Analisis pengujian didapatkan

accuracy, precision, recall dan AUC

dari masing metode algoritma

6. Dari hasil yang tertinggi dari metode

yang digunakan dari Algoritma C4.5,

NN, NB untuk melihat akurasi paling

tinggi dalam keamanan website.

Adapun tahapan penelitian ini digambar

dibawah ini.

Gambar 1. Tahapan Penelitian

HASIL PENGUJIAN

Berdasarkan hasil pengujian dengan

RapidMiner dengan data Training dan

Testing diperoleh Accuracy, Precision,

Recall dan AUC dengan metode C4.5

didapat sebagai berikut :

Training Testing

Accuracy 92.08% 91.36%

Precision 92.78% 90.69%

Recall 93% 94.53%

AUC 0.993 0.987

Tabel 1 Pengujian Dengan C4.5

Hasil pengujian dengan RapidMiner

dengan data Training dan Testing diperoleh

Accuracy, Precision, Recall dan AUC

dengan metode Neural Network didapat

sebagai berikut :

Training Testing

Accuracy 95.35% 92.81%

Precision 95.75% 93.34%

Recall 95.91% 93.96%

AUC 0.989 0.978

Tabel 2 Pengujian Dengan NN

Hasil pengujian dengan RapidMiner

dengan data Training dan Testing diperoleh

Accuracy, Precision, Recall dan AUC

dengan metode Naïve Bayes didapat sebagai

berikut :

Jika dilihat dan dibandingkan ketiga metode

tersebut maka terlihat akurasi yang tertinggi

dengan data testing yaitu :

Training Testing

Accuracy 72.61% 72.73%

Precision 99.32% 99.69%

Recall 51.09% 51.62%

AUC 0.968 0.967

Tabel 3 Pengujian Dengan NB



dengan data training yaitu :

Gambar 2 Data Training



dengan data testing yaitu :


4

91,36

60,69

94,5392,81 93,34 93,9672,73

99,69

51,62

0

50

100

150

Accuracy Precision Recall

Data Testing

C4.5 Neural Network Naïve Bayes

Gambar 3 Data Testing

Pengujian berdasarkan model evaluasi

komparasi dengan menggunakan ROC

Curve maka terlihat secara visual

perbandingan dari ketiga metode dari C4.5,

Neural Network dan Naïve Bayes.

Gambar 4 Komparasi Training ROC Curve

SIMPULAN

Hasil pengujian menunjukkan bahwa

penelitian in diperoleh accuracy Neural

Network lebih tinggi dibanding metode yang

lainnya dengan perbandingan 95.35% dan

C4.5 sebesar 92.08% dan Naïve Bayes

sebesar 73.61% dan dilihat dari ROC Curve

maka Neural Network lebih tinggi akurasi

dengan dibanding C4.5 dan Niave Bayes.

Berdasarkan hasil penelitian ini memberikan

saran yaitu :

1. Perlunya penelitian lebih lanjut dengan

pengujian dengan metode lain seperti

SVM, k-NN dan lain sebagainya

sebagai perbandingan yang lebih akurat

dan akurasi lebih tinggi

2. Juga melakukan pengujian optimasi

lain seperti Adaboost atau PSO dalan

peningkatan akurasi

3. Juga dibuatnya suatu aplikasi maupun

system dalam prediksi keamanan

website.

DAFTAR PUSTAKA

[1] https://www/internetworldstats.com/stats

(2018)

[2] P. B. Pathak, "Cybercrime: A Global

Threat to Cybercommunity,"

International Journal of Computer

Science & Engineering Technology

(IJCSET), vol. 7, no. 3, pp. 46-49, 2016

[3] Wibowo, Mia Haryati dan Nur Fatimah,

(2007), “Ancaman Phishing Terhadap

Penggunaan Sosial Media Dalam Dunia

Cyber Crime” Volume 1 No 1 : 1 – 5

[4] Larose, (2015) “Discovering Knowledge

in Data: An Introduction to Data

Mining”, John Willey & Sons, Inc.

[5] G. Kesavaraj and S. Sukmaran, “"A

Study On Classification Techniques in

Data Mining," 6 July 2013.

[6]https://www.semanticscholar.org/paper/T

op-10-algorithms-in-data-mining-Wu-

Kumar/c6ebf00e625de70a8e2c1bdabbd5

027ae8fe4495

[7] Y. Bar-Yam, Dynamicx of Complex

Systems, 2008

[8] Larose, Daniel T.(2005) . Discovering

Knowledge in Data : An Introduction to

Data Mining. John Willey & Sons, Inc

[9] Vercellis, Carlo. (2009). Business

Intelligence: Data Mining and

Optimization for Decision Making.

United Kingdom: John Willey & Son.

[10]Witten, I.H. & Frank E. (2000), Data

Mining– Practical Machine Learning

Tools and Techniques, Second edition,

Morgan Kaufmann, San Francisco.


5

Biodata Penulis

Aswan Supriyadi

Sunge, M.Kom.

Lahir di Jakarta, 26

Januari 1980. Penulis

adalah Staff Pengajar

di STT Pelita Bangsa

sejak tahun 2014-

sekarang.

Menyelesaikan Studi

S2 di Pascasarjana STMIK Nusa Mandiri

Jakarta program studi Ilmu Komputer.

Penelitian yang pernah dilakukan seperti :

(1) Komparasi Menggunakan Algoritma

C4.5, Neural Network dan Naïve Bayes

Dalam Prediksi Ujian Kompentensi SMK

Mahadhika 4 Jakata, Terbit di Seminar

Nasional Ilmu Pengetahuan dan Teknologi

Komputer 2 (1), 391-397 Vol. 2014. (2)

Prediksi Ujian Kompetensi Dengan

Menggunakan Klasifikasi Algoritma C4. 5

Di SMK Mahadhika 4 Jakarta, terbit di Bina

Insani ICT Journal 1 (2), 136-150 Vol. ,

2014. (3) Prediksi Kompetensi Karyawan

Menggunakan Algoritma C4.5 (Studi Kasus

: PT Hankook Tire Indonesia) terbit di

Seminar Nasional Teknologi Informasi dan

Komunikasi Universitas Atmajaya

Jogyakarta tanggal 23 -24 Maret 2018.

Nomor ISSN Publikasi Online Sentika :

2337-3377. (4) Optimasi Algoritma C.45

Menggunakan Genetic Algoritma Dalam

Memprediksi Website Phishing terbit di

Seminar Nasional Inovasi dan Tren (SNIT)

2018 tanggal 25 Juli 2018 BSI Kaliabang

ISBN 978-602-61268-5-6. (5) Optimasi

Algoritma C4.5 Dalam Prediksi Web

Phishing Menggunakan Seleksi Fitur

Genetic Algoritma terbit di Jurnal

PARADIGMA (Jurnal Komputer dan

Informatika Bina Sarana Informatika) Vol

XX No. 02 September 2018 P-ISSN : 1410-

5063 E-ISSN : 2579-3500

Wisti Dwi Septiani,

M.Kom. Lahir di

Jakarta, 17

September 1986.

Penulis adalah Staff

Pengajar di AMIK

BSI Jakarta sejak

tahun 2008-sekarang.

Menyelesaikan Studi

S2 di Pascasarjana

STMIK Nusa Mandiri Jakarta program studi

Ilmu Komputer. Penelitian yang pernah

dilakukan seperti : (1) Penerapan Algoritma

C4.5 Untuk Prediksi Penyakit Hepatitis,

Terbit di Jurnal Techno Vol XI. No.1 Maret

2014. (2) Komparasi Metode Klasifikasi

Data Mining Algoritma C4.5 dan Naive

Bayes untuk Prediksi Penyakit Hepatitis,

terbit di Jurnal Jurnal Pilar Vol 13 No. 1

Februari 2017. (3) Sistem Informasi

Penerimaan Donasi (Studi Kasus: Yayasan

Sahabat Yatim Indonesia) terbit di JITK Vol

3 No. 1 Agustus 2017. (4) Penerapan

Waiting Line Method Untuk Peningkatan

Kualitas Pelayanan Pelanggan Dengan

Meminimalkan Antrian (Studi Kasus:

ANKidz Bogor) diseminarkan dalam

Simposium Nasional Ilmu Pengetahuan dan

Teknologi (SIMNASIPTEK) AMIK BSI

Jakarta September 2017.

Documents

Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434 · Prosiding Seminar Teknik Inforrmatika Unpad . ISSN: 2615-8434 1 KOMPARASI ALGORITMA DATA MINING DALAM PREDIKSI KEAMANAN