Penelitian Mahasiswa Universitas Klabat: K-NN Jadi Algoritma Ampuh Deteksi Website Berbahaya
Jagosatu.com - Di era digital sekarang, internet sudah jadi bagian penting dalam hidup sehari-hari.
Namun, semakin banyak orang pakai internet, ancaman seperti virus dan malware juga ikut meningkat.
Malware adalah program jahat yang bisa mencuri, merusak, atau menyalahgunakan data pribadi pengguna.
Menurut penelitian mahasiswa Universitas Klabat, malware bisa menyebar tanpa campur tangan pengguna, sehingga deteksi dini sangat penting.
Untuk itu, para peneliti mencoba menggunakan machine learning untuk mendeteksi situs berbahaya.
Machine learning adalah teknologi yang bisa "belajar" dari data dan memprediksi pola tertentu.
Salah satu algoritma machine learning yang digunakan adalah K-Nearest Neighbor atau K-NN.
K-NN bekerja dengan cara membandingkan data baru dengan data yang sudah ada untuk menentukan kategori.
Penelitian mahasiswa Universitas Klabat ini menggunakan dataset berisi lebih dari 1700 data situs berbahaya dan normal dari Kaggle.
Sebelum diproses, data harus melalui tahap pembersihan yang disebut data cleaning.
Data cleaning dilakukan agar data kosong atau tidak konsisten bisa diganti dengan nilai baru.
Selain itu, ada juga data reduction, yaitu menghapus atribut yang tidak terlalu penting supaya analisis lebih akurat.
Algoritma K-NN menggunakan perhitungan jarak antar data yang disebut Euclidean Distance.
Semakin dekat jaraknya, semakin mirip data tersebut dengan kategori yang sudah ada.
Hasil penelitian mahasiswa Universitas Klabat menunjukkan bahwa K-NN lebih akurat dibanding algoritma lain seperti Decision Tree atau Random Forest.
Akurasi K-NN mencapai 95,51% dengan precision dan recall sekitar 89%.
Precision artinya seberapa banyak situs yang benar-benar berbahaya dari semua yang terdeteksi berbahaya.
Sementara recall adalah kemampuan sistem menemukan semua situs berbahaya yang ada.
Dibanding algoritma Naïve Bayes, K-NN terbukti memberikan hasil lebih baik dengan selisih 2,42% pada precision.
Hasil ini membuktikan bahwa K-NN efektif untuk memprediksi situs berbahaya berdasarkan ciri-ciri jaringan dan aplikasi.
Penelitian mahasiswa Universitas Klabat ini diharapkan bisa membantu masyarakat lebih waspada terhadap ancaman situs berbahaya di internet.
Ke depannya, model ini bisa dijadikan dasar pembuatan aplikasi pendeteksi website berbahaya secara otomatis.
Dengan begitu, data pribadi pengguna bisa lebih aman dari ancaman pencurian atau peretasan.
Semakin banyak orang yang sadar, semakin kecil peluang hacker untuk memanfaatkan celah keamanan.
Teknologi ini bisa jadi salah satu solusi penting menghadapi kejahatan siber di masa depan.
Penelitian ini juga membuka peluang penggunaan algoritma lain agar sistem bisa lebih sempurna.
Langkah kecil dari penelitian mahasiswa bisa jadi dasar perlindungan besar bagi pengguna internet di seluruh dunia.
(J)