Jagosatu.com - Penelitian dari Universitas Klabat (UNKLAB) berhasil mengungkap metode efektif untuk mendeteksi website berbahaya di internet.
Riset ini dilatarbelakangi oleh meningkatnya ancaman keamanan dunia maya.
Website berbahaya atau malicious websites kerap digunakan untuk mencuri data, menyebarkan virus, hingga merusak sistem.
Penelitian tersebut memanfaatkan algoritma K-Nearest Neighbor (K-NN) sebagai metode klasifikasi.
K-NN merupakan algoritma sederhana yang mengelompokkan data berdasarkan kemiripan dengan data terdekat.
Data penelitian bersumber dari dataset Malicious and Benign Websites yang tersedia di Kaggle.
Dataset ini berisi 1.781 data website dengan 20 atribut seperti URL, server, ukuran konten, hingga data jaringan.
Baca Juga: Algoritma Random Forest Ungkap Faktor Penentu Rating Aplikasi
Data dibersihkan terlebih dahulu melalui proses data cleaning agar hasil lebih akurat.
Tahap berikutnya adalah data reduction untuk menghilangkan atribut yang kurang relevan.
Metode 10-fold cross validation dipakai untuk menguji konsistensi hasil penelitian.
Algoritma K-NN kemudian diterapkan untuk memprediksi website aman maupun berbahaya.
Hasil penelitian menunjukkan performa K-NN lebih unggul dibanding algoritma lain.
Tingkat akurasi mencapai 95,51% pada pengujian dengan dataset independen.
Sementara itu, nilai recall dan precision masing-masing mencapai 89,42%.
Pada pengujian cross validation, akurasi tetap tinggi yaitu 93,61%.
Algoritma lain seperti Decision Tree, Logistic Regression, dan Random Forest memberikan hasil lebih rendah.
Faktor yang paling berpengaruh dalam klasifikasi adalah jumlah paket data yang dikirim dan diterima server.
Selain itu, atribut seperti jumlah DNS query juga ikut menentukan hasil klasifikasi.
Dengan model ini, deteksi website berbahaya bisa dilakukan lebih cepat dan akurat.
Penelitian dari UNKLAB ini diharapkan dapat berkontribusi pada pengembangan aplikasi keamanan berbasis machine learning.
Temuan ini juga menunjukkan bahwa riset di bidang akademik mampu memberikan solusi bagi masalah global.
Editor : ALengkong