IDENTIFIKASI FAKE-ACCOUNT TWITTER TERHADAP SOCIALENGINEERING PRETEXTING PADA AKUN BANK DAN E-WALLET DI INDONESIA MENGGUNAKAN METODE NAIVE BAYES, NEURALNETWORK & SVM

FAUZI, ADE FIRMAN (2022) IDENTIFIKASI FAKE-ACCOUNT TWITTER TERHADAP SOCIALENGINEERING PRETEXTING PADA AKUN BANK DAN E-WALLET DI INDONESIA MENGGUNAKAN METODE NAIVE BAYES, NEURALNETWORK & SVM. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (860kB) | Preview
Preview	Text (ABSTRAK) 02 Abstrak.pdf Download (110kB) | Preview
	Text (BAB I) 03 Bab 1.pdf Restricted to Registered users only Download (110kB)
	Text (BAB II) 04 Bab 2.pdf Restricted to Registered users only Download (245kB)
	Text (BAB III) 05 Bab 3.pdf Restricted to Registered users only Download (217kB)
	Text (BAB IV) 06 Bab 4.pdf Restricted to Registered users only Download (145kB)
	Text (BAB V) 07 Bab 5.pdf Restricted to Registered users only Download (109kB)
	Text (BAB VI) 08 Bab 6.pdf Restricted to Registered users only Download (199kB)
	Text (BAB VII) 09 Bab 7.pdf Restricted to Registered users only Download (143kB)
	Text (DAFTAR PUSTAKA) 10 Daftar Pustaka.pdf Restricted to Registered users only Download (148kB)
	Text (LAMPIRAN) 11 Lampiran.pdf Restricted to Registered users only Download (215kB)

Abstract

Social Engineering is a technique to obtain personal data informationby manipulating victims. One of the techniques in Social Engineering in thisresearch is the Pretexting Technique; in this case, the scammer uses a fake identityand makes scenarios or excuses to convince the victim to lure the victim intoproviding sensitive data, such as Email, Password, Card Number, and CSV. Twitter is a channel where banks and other digital wallet companies create official accounts as customer relations, which is undoubtedly a gap for scammers to carryout these actions. The purpose of this study was to identify the fake account withpretexting tweets from several accounts in the bank and digital wallets fromIndonesia in Twitter. This study uses three classification algorithms to identifyfake accounts from bank accounts and other digital wallet accounts, especially inIndonesia. We compared Naive Bayes, SVM, and Neural Network. The previousstudy used social parameters (Number of followings, followers, likes, etc.) todetect fake accounts. Still, in this study, the authors added word parameters that often appear with the TF-IDF technique. As a result, Naive Bayes obtained an accuracy rate of 96.3% with data without oversampling and 98% with oversampling data. This study uses the SMOTEtechnique to handle oversampling data. Index Terms - classification, fake accounts, pretexting, social engineering Social Engineering merupakan teknik secara psikologis untuk memperolehinformasi data-data pribadi dengan cara memanipulasi korban. Salah satu teknikdalam Social Engineering dalam penelitian ini yaitu Teknik Pretexting, pada kasusini, pelaku menggunakan identitas Palsu kemudian membuat serangkaian skenarioatau dalih untuk meyakinkan korban untuk memancing korban memberikan datasensitif, seperti Email, Password, Nomor kartu, dan CSV. Kasus tersebut seringterjadi di era digital saat ini. Twitter salah satu saluran dimana perusahaan seperti perusahaan bank dan perusahaan dompet digital lainnya membuat akun resmi sebagai salah satu media penyaluran pelanggan, hal ini tentu menjadi celah bagi para kriminal dalam menjalankan aksi tersebut. Penelitian ini dibuat dengan tujuanuntuk menganalisis akun Fake yang sering digunakan oleh para kriminal dalamteknik Pretexting. Kami memperoleh data yang diduga merupakan kasus pretexting yang bersumber dari Twitter dan sebanyak 20 ribu data digunakan untuk proses klasifikasi. Datatersebut bersumber dari beberapa akun Bank dan Dompet digital di Indonesia. Penelitian ini menggunakan 3 algoritma klasifikasi yaitu Naive Bayes, SVM, danNeural Network. Pada studi sebelumnya, parameter-parameter yang digunakanhanya menggunakan sosial parameter (jumlah following, followers, likes, etc) untuk mendeteksi akun palsu, namun pada penelitian ini penulis menambahkanparameter kata yang sering muncul dengan teknik TF-IDF. Sebagai hasil, Naivebayes memperoleh tingkat akurasi sebesar 96.3 % dengan data tanpaoversampling dan 98% dengan data oversampling. Penelitian ini menggunakanteknik SMOTE untuk menangani data oversampling. Kata kunci - Akun palsu, Klasifikasi, Pretexting, Social Engineering

Actions (login required)

View Item