Ilman, Mochammad Khaerul (2026) Pengembangan ekstensi browser untuk deteksi situs Phishing Web3 menggunakan Domurls-Bert dan Xgboost. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (103kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (250kB) | Preview |
|
|
Text (SK BEBAS PLAGIARISME)
3_skbebasplagiarism.pdf Download (471kB) | Preview |
|
|
Text (DAFTAR ISI)
4_daftarisi.pdf Download (317kB) | Preview |
|
|
Text (BAB I)
5_bab1.pdf Download (304kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
6_bab2.pdf Restricted to Registered users only Download (916kB) |
|
|
Text (BAB III)
7_bab3.pdf Restricted to Registered users only Download (881kB) |
|
|
Text (BAB IV)
8_bab4.pdf Restricted to Registered users only Download (2MB) |
|
|
Text (BAB V)
9_bab5.pdf Restricted to Registered users only Download (238kB) |
|
|
Text (DAFTAR PUSTAKA)
10_daftarpustaka.pdf Restricted to Registered users only Download (223kB) |
Abstract
Phishing merupakan teknik penipuan dengan meniru situs web resmi untuk mengelabui pengguna agar menyerahkan informasi pribadi atau aset digital, dan ancaman ini semakin serius pada ekosistem Web3 melalui kampanye airdrop dan decentralized application (dApp) palsu yang memanfaatkan crypto drainer untuk mencuri aset kripto pengguna. Permasalahan utamanya adalah pendekatan berbasis blacklist belum efektif mendeteksi serangan zero-day Phishing, sementara analisis tunggal seperti URL saja masih rentan dimanipulasi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi phishing yang menggabungkan analisis domain dan analisis konten HTML, yang diimplementasikan ke dalam ekstensi browser agar dapat bekerja secara real-time. Penelitian ini menggunakan pendekatan transformer BERT, yaitu model pre-trained DomURLs-BERT yang di-fine-tune menggunakan dataset domain, serta algoritma XGBoost yang dilatih menggunakan fitur hasil ekstraksi dari HTML. Hasil dari kedua model tersebut kemudian digunakan dan digabungkan untuk diklasifikasikan ulang menggunakan algoritma XGBoost guna menghasilkan keputusan klasifikasi akhir. Model DomURLs-BERT (Domain) dan XGBoost (HTML) masing-masing mencapai F1-Macro sebesar 91,63% dan 98,48% pada dataset pengujiannya sendiri. Ketika dievaluasi ulang pada test set yang sama dengan model klasifikasi akhir, F1-Macro keduanya adalah 93,05% dan 93,47%, sementara model klasifikasi akhir berbasis XGBoost yang menggabungkan kedua model tersebut mencapai F1-Macro sebesar 97,61%, meningkat masing-masing 4,56% dan 4,14% dari model domain dan model HTML. Hasil ini menunjukkan bahwa penggabungan analisis domain dan analisis HTML mampu meningkatkan akurasi deteksi phishing dibandingkan penggunaan salah satu analisis secara tunggal. Selain itu, sistem ini telah diimplementasikan ke dalam ekstensi browser yang mampu memberikan perlindungan secara real-time bagi pengguna.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Browser Extension: DomURLs-BERT: Phishing Detection: Web3: XGBoost |
| Subjects: | Data Processing, Computer Science |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Mochammad Khaerul Ilman |
| Date Deposited: | 06 Nov 2026 06:15 |
| Last Modified: | 06 Nov 2026 06:15 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/145104 |
Actions (login required)
 |
View Item |
