Muhamamd Rifani (2025) EFEKTIVITAS EARLY STOPPING UNTUK MEMPERCEPAT PELATIHAN MODEL CNN DALAM IDENTIFIKASI PHISHING URL. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2025.
![]() |
Text
11203362110057-MUHAMMAD RIFANI-SKRIPSI-1 - Muhammad Rifani.pdf Download (5MB) |
Abstract
Insiden phishing di Indonesia meningkat signifikan pada awal 2023 dengan 26.675 laporan pada kuartal pertama menurut IDADX, di mana 45% di antaranya terjadi melalui media sosial. Penelitian sebelumnya menunjukkan bahwa metode machine learning dan deep learning memiliki potensi tinggi dalam mendeteksi URL phishing, namun pelatihan model seperti CNN memerlukan waktu dan sumber daya komputasi yang besar. Penelitian ini bertujuan menganalisis efektivitas metode early stopping dalam mempercepat pelatihan model CNN tanpa menurunkan performa, serta membandingkan waktu pelatihan dan akurasi model dengan dan tanpa penerapan early stopping. Metode yang digunakan melibatkan arsitektur CNN dengan penerapan early stopping pada dataset Phishing URL. Hasil menunjukkan bahwa pada dataset D1 (empat kelas), early stopping mampu mengurangi durasi pelatihan hingga sekitar 51% (sekitar 1.750 detik), dengan model berhenti otomatis pada epoch ke-34 dari maksimum 80. Pada dataset D2 (biner), penghematan waktu serupa tercapai (±51% atau sekitar 1.396 detik) dengan penghentian pada epoch ke-249 dari 500. Dari segi performa, akurasi validasi D1 meningkat dari 96% menjadi 97%, F1-score untuk kelas Malware naik dari 0,97 ke 1,00, dan kelas Phishing dari 0,93 ke 0,94. Untuk D2, akurasi validasi tetap 91%, namun kurva loss lebih stabil dan akurasi keseluruhan meningkat dari 89% menjadi 91% ketika model dihentikan lebih awal, menunjukkan kemampuan early stopping dalam mencegah overfitting dan menjaga generalisasi model.
Item Type: | Skripsi |
---|---|
Kata Kunci Tidak Terkontrol: | Early Stopping; CNN; Phishing URL; Deep Learning; Overfitting |
Subjects: | T Technology > T Technology (General) |
Fakultas: | FAKULTAS KESEHATAN |
Pengguna Penyetoran: | Rahman Perpustakaan UNISM |
Tanggal Setoran: | 09 Sep 2025 07:41 |
Last Modified: | 09 Sep 2025 07:44 |
URI: | http://repository.unism.ac.id/id/eprint/3779 |
Actions (login required)
![]() |
View Item |