PIND.AI geliştiren: Abdul Azzam Ajhari

Pendeteksi situs INDOnesia berbasis Artificial Intelligence (PINDAI) merupakan perangkat lunak yang dapat memprediksi (prediction) dan mengklasifikasi (classification) url. Prediksi dilakukan dengan Artificial Intelligence (AI) berbasis Machine Learning (ML) atau Deep Learning (DL) yang menunjukkan probabilitas (probability) prediksi dan klasifikasi dari url yang dimasukkan. Klasifikasi terbagi menjadi tiga, yaitu terindikasi aman, terindikasi tidak aman, dan website tidak ditemukan. Metode yang digunakan adalah klasifikasi dengan tahapan 1) Preprocessing (proses pembersihan data dan melihat apakah data link url tersebut masih aktif atau tidak), 2) Melakukan Feature extraction (membuat parameter dari standar keamanan website yang digunakan sebagai fitur), 3) Splitting dataset (pembagian data menjadi data train dan data test), 4) Modelling (Mencari model terbaik dari hasil performa data train dan evaluasi data test), 5) Pembentukan library model yang dapat diintegrasi secara microservices (API, Website, Mobile, dll). Perangkat lunak ini akan melakukan pemeriksaan parameter keamanan website dan sertifikat berdasarkan aturan rule-based yang dibuat sebelum ditentukan hasil klasifikasi dan prediksinya. Selain itu, sistem ini juga telah mengimplementasi tangkapan layar (screenshot), sehingga pengguna dapat melihat isi atau konten website. PINDAI merupakan perangkat lunak yang dapat memprediksi (prediction) dan mengklasifikasi (classification) url. Prediksi dilakukan dengan Artificial Intelligence (AI) berbasis Machine Learning (ML) atau Deep Learning (DL) yang menunjukkan probabilitas (probability) prediksi dan klasifikasi dari url yang dimasukkan. Klasifikasi terbagi menjadi tiga, yaitu terindikasi aman, terindikasi tidak aman, dan website tidak ditemukan. Metode yang digunakan adalah klasifikasi dengan tahapan 1) Preprocessing (proses pembersihan data dan melihat apakah data link url tersebut masih aktif atau tidak), 2) Melakukan Feature extraction (membuat parameter dari standar keamanan website yang digunakan sebagai fitur), 3) Splitting dataset (pembagian data menjadi data train dan data test), 4) Modelling (Mencari model terbaik dari hasil performa data train dan evaluasi data test), 5) Pembentukan library model yang dapat diintegrasi secara microservices (API, Website, Mobile, dll). Perangkat lunak ini akan melakukan pemeriksaan parameter keamanan website dan sertifikat berdasarkan aturan rule-based yang dibuat sebelum ditentukan hasil klasifikasi dan prediksinya. Selain itu, sistem ini juga telah mengimplementasi tangkapan layar (screenshot), sehingga pengguna dapat melihat isi atau konten website.