<![CDATA[Di era digital, phishing menjadi ancaman yang signifikan terhadap keamanan data pribadi pengguna internet. Website phishing yang meniru tampilan situs asli bertujuan untuk memperoleh informasi sensitif seperti data pribadi dan keuangan. Penelitian ini bertujuan untuk menguji efektivitas tiga algoritma machine learning, yaitu Support Vector Machine (SVM), Gradient Boosting, dan Neural Networks dalam mendeteksi URL phishing. Dataset PhiUSIIL yang terdiri dari 235.795 sampel data digunakan, yang mencakup URL phishing dan legitim dengan 54 fitur. Metode yang diterapkan meliputi preprocessing data, pembagian data latih dan uji, serta normalisasi menggunakan MinMaxScaler. Ketiga model dievaluasi berdasarkan akurasi, F1-Score, Confusion Matrix, dan waktu komputasi. Hasil penelitian menunjukkan bahwa model Gradient Boosting memperoleh akurasi dan F1-Score 100%, dengan waktu komputasi tercepat hanya 1 menit, menjadikannya pilihan terbaik untuk deteksi phishing. Sementara itu, SVM dan Neural Networks juga menunjukkan hasil yang sangat baik, masing-masing dengan akurasi 99,99%, namun dengan waktu komputasi yang lebih lama. Berdasarkan hasil tersebut, penelitian ini menyimpulkan bahwa Gradient Boosting adalah model yang paling efisien untuk mendeteksi phishing pada dataset yang digunakan.]]>
Copyrights © 2025
