KOMPARASI ALGORITMA MACHINE LEARNING UNTUK PREDIKSI PLUGIN RENTAN PADA WORDPRESS

Kebutuhan WordPress terhadap plugin pihak ketiga memberikan persentase
kerentanan yang tinggi, yaitu 92%, maka diperlukan pendekatan machine learning
guna mengidentifikasi potensi kerentanan plugin secara otomatis dan meningkatkan
keamanan ekosistem WordPress. Dataset yang digunakan dalam penelitian ini
diperoleh melalui proses pengumpulan data dari database WordPress Plugin API
menggunakan script Python. Proses pemodelan dilakukan menggunakan tiga
algoritma prediksi biner, yaitu Logistic Regression, Naïve Bayes, dan Random
Forest, dengan implementasi menggunakan perangkat lunak Orange. Metode
evaluasi menggunakan confusion matrix dan matriks evaluasi berupa akurasi,
presisi, F1-score, dan recall. Penelitian ini menunjukkan implementasi prediksi
plugin rentan WordPress berhasil dilakukan menggunakan algoritma machine
learning dengan bahan prediksi berupa metadata. Proses implementasi dimulai
dengan tahapan Data Collection, Data Preparation, Pembagian Data, hingga
Pemodelan. Hasil matriks evaluasi menunjukkan ketiga model memiliki performa
yang baik dengan rentang skor matriks evaluasi di antara 0.75 – 0.8. Hasil tersebut
juga menunjukkan bahwa model Random Forest memiliki performa rerata terbaik
dibandingkan model lainnya dengan nilai 0.797 untuk akurasi, 0.797 untuk F1
score, 0.799 untuk presisi, dan 0.797 untuk recall. Namun, analisis lebih lanjut pada
prediksi per kelas menunjukkan bahwa meskipun Random Forest unggul pada
sebagian besar metrik evaluasi, terdapat kondisi tertentu di mana Logistic
Regression memberikan hasil yang lebih baik, khususnya pada metrik presisi untuk
kelas tidak rentan dan recall untuk kelas rentan. Penelitian ini menyajikan evaluasi
komprehensif terhadap performa masing-masing algoritma menggunakan metrik
evaluasi, serta memberikan rekomendasi model yang paling optimal untuk
diterapkan dalam sistem deteksi kerentanan plugin WordPress secara otomatis.

Kata Kunci: Logistic Regression, Naïve Bayes, Plugin WordPress, Random Forest