Comparison of Logistic Regression and Random Forest using Correlation-based Feature Selection for Phishing Website Detection

Abstract

Dunia pada saat ini tengah mengalami perkembangan pada bidang teknologi dan komunikasi secara massif, terlebih pada masa pandemi saat ini yang mengharuskan semua proses pembelajaran bahkan bekerja secara daring. Hal ini yang memicu banyaknya kejahatan di dunia internet. Salah satunya yaitu mencuri data pengguna internet melalui sebuah website palsu yang dibangun seperti asli atau disebut juga website phising. Pada penelitian ini, untuk mengatasi maraknya website phising di dunia maya, maka diperlukan suatu model klasifikasi untuk mendeteksi website yang terindikasi phising dengan menggunakan kinerja terbaik dari salah satu algoritma klasifikasi logistic regression dan random forest. Untuk meningkatkan kinerja algoritma klasifikasi dilakukan seleksi fitur menggunkan metode correlation-based feature selection (CFS) untuk menyeleksi atribut yang paling berpengaruh dalam mendeteksi web phising. Berdasarkan hasil uji coba, penerapan algoritma klasifikasi logistic regression dan random forest dalam klasifikasi web phising dihasilkan akurasi sebesar 93,035 % dan 96.834 %, setelah dilakukan seleksi fitur dengan CFS akurasi yang dihasilkan menjadi 92.718 % dan 97.015 %. Dari uji coba terjadi peningkatan akurasi pada random forest sebesar 0,181 % dan terjadi penurunan yang tidak signifikan pada logistic regression. Hasil uji coba membuktikan bahwa seleksi fitur dengan CFS dapat menghilangkan atribut redundan dan dihasilkan akurasi algoritma klasifikasi yang tidak jauh berbeda ketika atribut lengkap dan Random Forest memiliki akurasi lebih baik setelah menggunakan CFS .