<![CDATA[Deteksi website phising merupakan tantangan penting dalam keamanan siber, terutama dengan semakin canggihnya teknik-teknik phising yang digunakan untuk mengecoh pengguna dan mencuri informasi pribadi. Seiring dengan meningkatnya jumlah serangan phising, diperlukan metode yang efektif dan efisien untuk mengidentifikasi situs web berbahaya. Algoritma Iterative Dichotomiser 3 (ID3) merupakan salah satu algoritma klasifikasi yang efektif dalam konteks ini, namun kinerjanya dapat ditingkatkan melalui optimasi fitur yang digunakan. Penelitian ini bertujuan untuk mengoptimalkan Algoritma ID3 dalam mendeteksi website phising dengan menggabungkan metode Min-Max Scaling dan Information Gain untuk proses seleksi fitur. Metode ini bertujuan untuk meningkatkan akurasi model dengan hanya mempertahankan fitur-fitur yang paling relevan. Dalam proses seleksi fitur, diperoleh tiga fitur yang memiliki nilai Information Gain sebesar 0, yaitu Favicon, Iframe, dan popUpWidnow. Ketiga fitur ersebut tidak memberikan kontribusi signifikan terhadap prediksi. Fitur-fitur ini kemudian dihilangkan dari total 30 fitur yang ada, menghasilkan model yang lebih ramping dan efisien. Evaluasi algoritma ID3 dilakukan menggunakan metode k-fold cross-validation dengan 8 fold, yang memberikan gambaran lebih akurat mengenai kinerja model. Hasil pengujian menunjukkan bahwa model ID3 yang menggunakan 27 fitur terbaik menghasilkan nilai rata-rata akurasi sebesar 0.9856, presisi 0.9863, dan recall 0.9878. Di sisi lain, model ID3 yang menggunakan semua 30 fitur menghasilkan nilai rata-rata akurasi sebesar 0.9854, presisi 0.9860, dan recall 0.9878. Meskipun perbedaan akurasi antara kedua model relatif kecil, hasil ini menunjukkan bahwa seleksi fitur yang tepat dapat meningkatkan kinerja model dalam mendeteksi website phising. Penelitian ini memberikan kontribusi terhadap pengembangan teknik deteksi phising yang lebih baik dan dapat diandalkan, serta menjadi referensi untuk penelitian lebih lanjut di bidang keamanan siber.]]>
