<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="8743">
 <titleInfo>
  <title>OPTIMASI MODEL HYBRID SVM dan NAÏVE BAYES &#13;
BERBASIS WEIGHTED VOTING UNTUK DETEKSI &#13;
PHISHING URL DENGAN SELEKSI FITUR dan &#13;
EXPLAINABLE AI</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Arizal Sabila Nurhikam - 17213042</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>Ifani Hariyanti, S.T., M.M (Pembimbing)</namePart>
  <role>
   <roleTerm type="text">Editor</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text"></placeTerm>
   <publisher>Universitas ARS</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>ABSTRAK&#13;
&#13;
Phishing merupakan salah satu jenis kejahatan siber yang paling sering digunakan &#13;
untuk menipu pengguna melalui situs web palsu. Penelitian ini bertujuan untuk &#13;
mendeteksi URL phishing dengan mengembangkan model hybrid berbasis Support &#13;
Vector Machine (SVM) dan Naïve Bayes menggunakan pendekatan Weighted &#13;
Voting. Untuk meningkatkan performa model, dilakukan seleksi fitur menggunakan &#13;
SelectKBest, Recursive Feature Elimination (RFE), Principal Component Analysis &#13;
(PCA), dan interpretasi model melalui Explainable AI (XAI) menggunakan SHAP &#13;
dan LIME. Dataset yang digunakan terdiri dari 22.398 URL dengan proporsi data &#13;
phishing dan legitimate yang seimbang. Data tersebut melalui tahap praproses dan &#13;
ekstraksi fitur numerik dari setiap URL. Hasil pengujian menunjukkan bahwa &#13;
model hybrid yang diusulkan berhasil mendeteksi 11.136 URL phishing dari total &#13;
11.199 URL phishing yang tersedia, dengan akurasi sebesar 97,74%, nilai precision &#13;
97,69%, recall 99,43%, F1-score 98,55%, dan nilai AUC (Area Under Curve) &#13;
mencapai 0,98. Pengujian juga mencakup pembandingan terhadap model tunggal &#13;
SVM dan Naïve Bayes. Model hybrid terbukti lebih unggul dari keduanya, terutama &#13;
dalam hal kestabilan prediksi dan interpretabilitas. Visualisasi dengan SHAP &#13;
menunjukkan fitur-fitur yang paling berpengaruh terhadap prediksi, sedangkan &#13;
LIME memberikan penjelasan lokal pada prediksi individual. Penelitian ini &#13;
menunjukkan bahwa kombinasi metode SVM dan Naïve Bayes dalam kerangka &#13;
voting dapat meningkatkan akurasi dan interpretabilitas sistem deteksi phishing. &#13;
Sistem ini berpotensi diterapkan dalam prototipe berbasis web untuk mendeteksi &#13;
URL secara real-time, serta mendukung pengambilan keputusan dalam mitigasi &#13;
serangan phishing.</note>
 <note type="statement of responsibility"></note>
 <classification>NONE</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Digital Library ARS University Perpustakan Online ARS University</physicalLocation>
  <shelfLocator>009/S1.TI.SKP/2025</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">S03576K</numerationAndChronology>
    <sublocation>Teknik Informatika</sublocation>
    <shelfLocator>009/S1.TI.SKP/2025</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals>
  <slims:digital_item id="28031" url="" path="/293e3ab1ac34b3d20ddc663ef3e83b42.pdf" mimetype="application/pdf">Bab 1</slims:digital_item>
  <slims:digital_item id="28033" url="" path="/3fb6e8f2170abc8e870050e548890ff3.pdf" mimetype="application/pdf">Bab 3</slims:digital_item>
  <slims:digital_item id="28035" url="" path="/f7c960543edf3caf010a92ac61b76a97.pdf" mimetype="application/pdf">Bab 5</slims:digital_item>
  <slims:digital_item id="28036" url="" path="/3f7104703bd1f6acfbaf9a620f44c39d.pdf" mimetype="application/pdf">DAFTAR PUSTAKA</slims:digital_item>
 </slims:digitals>
 <recordInfo>
  <recordIdentifier>8743</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2026-05-13 11:26:42</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2026-05-13 11:27:43</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>