<![CDATA[Phishing merupakan salah satu bentuk dari serangan siber era digital sekarang. Serangan ini memanfaatkan teknik manipulasi untuk menipu, sehingga secara tidak sadar pengguna akan mengungkapkan data sensitif melalui web palsu yang meniru tampilan situs resmi. Deteksi terhadap URL phishing menjadi langkah penting dalam meningkatkan keamanan siber, serta mengurangi kerugian pengguna. Dalam penelitian ini digunakan pendekatan berbasis ensemble learning dengan mengombinasikan dua model, yaitu Extreme Gradient Boosting (XGBoost) dan Random Forest, dalam satu model gabungan. Kedua model selanjutnya dilatih menggunakan dataset yang terdiri dari 11430 URL dan terbagi sama rata antara kelas phishing dan legitimate. Model diuji menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa model gabungan XGBoost dan Random Forest menghasilkan akurasi tertinggi, sebesar 0,944. Hasil ini mengungguli hasil yang didapatkan jika menggunakan model tunggal XGBoost (0,942) dan Random Forest (0,928). Temuan ini memperkuat bukti bahwa pendekatan ensemble memberikan generalisasi yang lebih baik dibanding model tunggal untuk deteksi phishing.]]>
Copyrights © 2026
