<![CDATA[Phishing merupakan ancaman siber yang terus berkembang, dan metode deteksi berbasis daftar hitam memiliki keterbatasan signifikan dalam mengidentifikasi situs phishing baru. Penelitian ini menerapkan K-Means Clustering untuk mengelompokkan URL phishing berdasarkan karakteristiknya, menggunakan dataset PhiUSIIL Phishing URL dengan 235.795 sampel. Melalui preprocessing data yang komprehensif, analisis jumlah klaster optimal menggunakan Silhouette Score menghasilkan k = 2 dengan skor 0,972 pada pendekatan hibrid yang menggunakan fitur URLLength dan IsDomainIP. Hasil visualisasi melalui PCA dan t-SNE menunjukkan pemisahan klaster yang sangat jelas, mengonfirmasi bahwa kombinasi sederhana dari dua fitur dapat secara efektif membedakan URL phishing dari URL normal. Penelitian ini membuktikan bahwa K-Means Clustering menawarkan solusi yang lebih adaptif dibandingkan metode berbasis daftar hitam dalam deteksi phishing, dengan kemampuan mengenali pola serangan baru tanpa memerlukan data berlabel.]]>
Copyrights © 2025
