Analisis Dan Implementasi Hybrid Convolutional Neural Network Dan Long Short-Term Memory Untuk Deteksi Cross-Site Scripting Pada Aplikasi Web (Studi Kasus: Pt Sugih Boga Nusantara)

EKA SEFTRIAN ANUGERA, . (2026) Analisis Dan Implementasi Hybrid Convolutional Neural Network Dan Long Short-Term Memory Untuk Deteksi Cross-Site Scripting Pada Aplikasi Web (Studi Kasus: Pt Sugih Boga Nusantara). Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (890kB)
	Text FILE BAB I.pdf Restricted to Registered users only Download (241kB)
	Text FILE BAB II.pdf Restricted to Registered users only Download (528kB)
	Text FILE BAB III.pdf Restricted to Registered users only Download (369kB)
	Text FILE BAB IV.pdf Restricted to Registered users only Download (988kB)
	Text FILE BAB V.pdf Restricted to Registered users only Download (163kB)
	Text JURNAL.pdf Restricted to Registered users only Download (366kB)

Abstract

Cross-Site Scripting (XSS) merupakan salah satu kerentanan keamanan yang paling umum pada aplikasi web dan sering dimanfaatkan untuk mencuri data sensitif, mengambil alih sesi pengguna, serta mengeksekusi skrip berbahaya. PT Sugih Boga Nusantara pernah mengalami insiden Stored XSS yang menyebabkan kebocoran data pelanggan akibat tidak adanya mekanisme deteksi otomatis. Pendekatan keamanan konvensional berbasis penyaringan statis dan blacklist belum mampu menangani variasi payload XSS modern yang semakin kompleks dan terobfuskasi. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi XSS berbasis model hybrid Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Model CNN�LSTM dilatih menggunakan dataset XSS publik dan data log internal perusahaan. CNN digunakan untuk mengekstraksi fitur struktural payload, sedangkan LSTM berfungsi untuk menangkap pola sekuensial karakter. Metode penelitian meliputi pra-pemrosesan data, pelatihan model, evaluasi performa menggunakan metrik akurasi, presisi, recall, F1-score, dan ROC-AUC, serta pengujian fungsional melalui aplikasi web simulasi berbasis Flask. Hasil penelitian menunjukkan bahwa model mencapai akurasi 98,67%, presisi 98,21%, recall 99,29%, dan F1-score 98,75% dengan threshold optimal 0,5327. Sistem mampu mendeteksi payload XSS kompleks dan secara konsisten memblokir serangan pada lingkungan simulasi. Hasil ini menunjukkan bahwa sistem yang dikembangkan efektif dan berpotensi diterapkan sebagai lapisan keamanan tambahan pada aplikasi web perusahaan.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Depositing User:	Jejen Juanda
Date Deposited:	29 Aug 2026 06:57
Last Modified:	29 Aug 2026 06:57
URI:	http://repository.unpam.ac.id/id/eprint/21058

Actions (login required)

View Item