[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-119694-id":3,"doc-seo-119694-113":31,"detail-sidebar-cat-0-id-113":91},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},119694,4398046703435,"Jiven","",54,"Penelitian & Laporan","ANALISA MACHINE LEARNING DENGAN ALGORITMA MULTI-LAYER PERCEPTRON UNTUK PENANGANAN KEJAHATAN PHISHING","Pandemi mendorong pekerjaan dan pembelajaran dari rumah sehingga komunikasi banyak bergantung pada email, namun kondisi ini turut memperkuat meningkatnya kejahatan siber. Salah satu ancamannya adalah phishing melalui email yang bertujuan memperoleh data pribadi korban, seperti user dan password, untuk keuntungan material maupun non-material. Penelitian ini melakukan penanganan kejahatan tersebut dengan machine learning menggunakan algoritma Multi-layer Perceptron. Dataset email dari Kaggle berisi 1368 email phishing dan 4538 email non-phishing, lalu diuji untuk mengukur akurasi. Hasil pengujian menunjukkan akurasi 99.65% sehingga model dinilai efektif dan akurat dalam mendeteksi phishing.","ANALISA MACHINE LEARNING DENGAN ALGORITMA MULTI-LAYER PERCEPTRON UNTUK PENANGANAN KEJAHATAN PHISHING  \nRian Handoko1, Tata Sutabri2  \n1,2Program Studi Magister Teknik Informatika, Universitas Bina Darma Palembang  \nemail: [rian.ndok@gmail.com](rian.ndok@gmail.com)  \nAbstrak: Setelah pandemic merajarela, semua kebijakan mengharuskan bekerja dan bersekolah dari rumah. Oleh karena itu banyak pekerjaan dikomunikasikan melalui email. Dengan meningkatnya penggunaan email dikalangan pekerja, diimbangijuga dengan kriminalitas cyber. Dan salah satunya adalah tindak pidana Phishing melalui email. Motif kejahatan Phishing ini adalah untuk mendapatkan data pribadi dari korban, yakni user dan password agar mendapatkan keuntungan baik secara material dan non-material. Oleh karena itu penulis ingin melakukan penangan tindak kejahatan cyber dengan menggunakan machine learning yaitu Multi-layer Perceptron. Diharapkan dengan machine learning tersebut dapat mencegah terjadinyakejahatan Phishing secara maksimal dan akurat. Dalam penelitin ini, peneliti menggunakan dataset email yang bersumber dari Kaggle yang terdiri dari 1368 email Phishing & 4538 yang bukan email Phishing. dan pengguna akan menguji tingkat akurasidengan menggunakan algoritma Multi-layer Perceptron. Setelah dilakukan pengujian, tingkat akurasi didapatkan 99.65% . ini membuktikan bahwasanya algoritma model Multi-layer Perceptron cukup efektif untuk menangani tindak pindana kejahatan Phishing melalui email.  \nKata Kunci : Phishing, Multi-layer Perceptron, email.  \nAbstract: After the pandemic was rampant, all policies required work and school from home. Therefore a lot of work is communicated by e-mail. With the increasing use of e-mail among workers, it is also offset by cyber crime. And one of them is the criminal act of Phishing via email. The motive for this phishing crime is to obtain personal data from victims, namely users and passwords in order to gain both material and non-material benefits. Therefore the author wants to handle cyber crime by using machine learning, namely the Multi-layer Perceptron. It is hoped that this machine learning can prevent Phishing crimes maximally and accurately. In this study, researchers used an email dataset sourced from Kaggle which consisted of 1368 Phishing emails & 4538 which were not Phishing emails. and the user will test the level of accuracy using the Multi-layer Perceptron algorithm. After testing, the accuracy rate was 99.65%. This proves that the Perceptron Multi-layer model algorithm is effective enough to deal with criminal acts of phishing via email.  \nKeywords : Phishing, Multi-layer Perceptron, email.  \nPENDAHULUAN  \nAwal tahun 2020 adalah tahun dimana covid pertama kali terdeteksi di indonesia. Dimanapemerintah Indonesia menerapkan kebijakan kepadarakyatnya untuk melakukan segala aktifitas dari rumah baik itu sekolah maupun pekerjaan. Olehkarena itu semua pekerjaan dilakukan secara online. Dimana banyak pekerja menggunakan email untukkomunikasi pekerjaan dengan atasan, rekanan maupun bawahan. Dengan banyaknya aktifitas online maka disitu ada celah kejahatan yang dimanfaatkanoleh orang yang tidak bertanggung jawab untuk melakukan tindak cyber-crime salah satunya Phishing.  \nPhishing adalah teknik untuk mengelabuhi seseorang untuk mendapatkan data pribadi yakni user, password, dan lain-lain yang sifatnya rahasia. Informasi ini dimanfaatkan oleh pelaku Phishing untuk dijual ke pihak lain atau dimanfaatkan untukmendapatkan keuntungan dengan cara membobol data pribadi.  \nMenurut perusahaan keamanan siber asal Switzerland, Acronis memprediksi angka kejahatan siber ditahun 2023 akan meningkat tajam. Ancamanitu adalah Phishing yakni meningkat sebesar 60% melalui email. Pelaku kejahatan Phishing melalui email umumnya mengelabui korban menggunakanemail yang hampir mirip dengan email resmi. Tindak  \nkejahatan phishing tidak cuma berpura-pura selaku menggunakan email institusi formal. Mereka jugamenulis e- mail palsu dan membangun web ","cbCaiah6DTjc0BLV","https://ap.wps.com/l/cbCaiah6DTjc0BLV","pdf",310983,4,1,5,"Indonesian","id",113,"# Pendahuluan\n## Latar belakang kebutuhan deteksi phishing\n## Definisi dan modus phishing melalui email\n## Upaya pencegahan dan alasan penggunaan Multi-layer Perceptron\n# Tinjauan Pustaka\n## Konsep Machine Learning","[{\"question\":\"Apa tujuan penelitian ini dalam menangani kejahatan phishing?\",\"answer\":\"Penelitian bertujuan menganalisis dan menerapkan machine learning dengan Multi-layer Perceptron untuk mencegah serta mendeteksi tindak kejahatan phishing melalui email secara maksimal dan akurat.\"},{\"question\":\"Dataset apa yang digunakan untuk pengujian model?\",\"answer\":\"Penelitian menggunakan dataset email dari Kaggle yang terdiri dari 1368 email phishing dan 4538 email non-phishing untuk menguji tingkat akurasi.\"},{\"question\":\"Berapa akurasi yang diperoleh dari algoritma Multi-layer Perceptron?\",\"answer\":\"Hasil pengujian menunjukkan tingkat akurasi sebesar 99.65%, yang membuktikan efektivitas algoritma dalam menangani phishing melalui email.\"}]","ANALISA MACHINE LEARNING DENGAN ALGORITMA MULTI-LAYER PERCEPTRON UNTUK PENANGANAN KEJAHATAN PHISHING | PDF",1785725807,8,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":10,"description":14,"schema_data":35,"social_meta":86,"head_meta":88,"extra_data":90,"updated_unix":29},"machine-learning-analysis-using-multi-layer-perceptron-algorithm-for-phishing-crime-handling",{"@graph":36,"@context":85},[37,53,68],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/id/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/id/document/penelitian-laporan/",3,{"item":52,"name":13,"@type":43,"position":20},"https://docshare.wps.com/id/document/machine-learning-analysis-using-multi-layer-perceptron-algorithm-for-phishing-crime-handling/119694/",{"url":52,"name":13,"@type":54,"author":55,"headline":13,"publisher":57,"fileFormat":60,"inLanguage":24,"description":14,"dateModified":61,"datePublished":62,"encodingFormat":60,"isAccessibleForFree":63,"interactionStatistic":64},"DigitalDocument",{"name":9,"@type":56},"Person",{"url":41,"name":58,"@type":59},"DocShare","Organization","application/pdf","2026-08-15","2026-08-03",true,{"@type":65,"interactionType":66,"userInteractionCount":20},"InteractionCounter",{"@type":67},"ViewAction",{"@type":69,"mainEntity":70},"FAQPage",[71,77,81],{"name":72,"@type":73,"acceptedAnswer":74},"Apa tujuan penelitian ini dalam menangani kejahatan phishing?","Question",{"text":75,"@type":76},"Penelitian bertujuan menganalisis dan menerapkan machine learning dengan Multi-layer Perceptron untuk mencegah serta mendeteksi tindak kejahatan phishing melalui email secara maksimal dan akurat.","Answer",{"name":78,"@type":73,"acceptedAnswer":79},"Dataset apa yang digunakan untuk pengujian model?",{"text":80,"@type":76},"Penelitian menggunakan dataset email dari Kaggle yang terdiri dari 1368 email phishing dan 4538 email non-phishing untuk menguji tingkat akurasi.",{"name":82,"@type":73,"acceptedAnswer":83},"Berapa akurasi yang diperoleh dari algoritma Multi-layer Perceptron?",{"text":84,"@type":76},"Hasil pengujian menunjukkan tingkat akurasi sebesar 99.65%, yang membuktikan efektivitas algoritma dalam menangani phishing melalui email.","https://schema.org",{"og:url":52,"og:type":87,"og:title":13,"og:site_name":58,"og:description":14},"article",{"robots":89,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":92},[93,98,102,106,110,114,116,120,124,128,132],{"id":94,"doc_module":4,"doc_module_name":46,"category_name":95,"show_sort_weight":96,"slug":97},55,"Agama & Spiritualitas",60,"religion-spirituality",{"id":99,"doc_module":4,"doc_module_name":46,"category_name":100,"show_sort_weight":96,"slug":101},48,"Cerita & Novel","story-novel",{"id":103,"doc_module":4,"doc_module_name":46,"category_name":104,"show_sort_weight":96,"slug":105},56,"Gaya Hidup","lifestyle",{"id":107,"doc_module":4,"doc_module_name":46,"category_name":108,"show_sort_weight":96,"slug":109},51,"Komik","comic",{"id":111,"doc_module":4,"doc_module_name":46,"category_name":112,"show_sort_weight":96,"slug":113},53,"Layanan Kesehatan","healthcare",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":96,"slug":115},"research-report",{"id":117,"doc_module":4,"doc_module_name":46,"category_name":118,"show_sort_weight":96,"slug":119},49,"Sastra","literature",{"id":121,"doc_module":4,"doc_module_name":46,"category_name":122,"show_sort_weight":96,"slug":123},52,"Teknologi","technology",{"id":125,"doc_module":4,"doc_module_name":46,"category_name":126,"show_sort_weight":96,"slug":127},50,"Ujian","exam",{"id":129,"doc_module":4,"doc_module_name":46,"category_name":130,"show_sort_weight":96,"slug":131},57,"Umum","general",{"id":133,"doc_module":4,"doc_module_name":46,"category_name":134,"show_sort_weight":4,"slug":135},181,"Formulir","formulir"]