<![CDATA[Ancaman siber berupa phishing terus berkembang dan menjadi salah satu metode kejahatan digital paling merugikan di era internet. Website phishing dirancang untuk menipu pengguna agar menyerahkan informasi sensitif seperti kredensial akun, data perbankan, maupun informasi pribadi. Penelitian ini mengimplementasikan algoritma Categorical Naive Bayes untuk mengklasifikasikan website phishing berbasis fitur URL dan konten halaman web. Dataset yang digunakan adalah Phishing Websites Dataset dari UCI Machine learning Repository yang memuat 11.055 instance dengan 30 fitur kategorikal. Data dibagi dengan rasio 80:20 untuk data latih dan data uji. Hasil penelitian menunjukkan bahwa model Categorical Naive Bayes mencapai akurasi 92,94% pada data uji, dengan Precision rata-rata 0,93, Recall rata-rata 0,93, dan F1-Score rata-rata 0,93. Selisih akurasi antara data latih (92,99%) dan data uji (92,94%) hanya sebesar 0,05%, yang mengindikasikan bahwa model tidak mengalami overfitting dan memiliki kemampuan generalisasi yang sangat baik. Algoritma Naive Bayes terbukti merupakan pilihan yang efektif dan efisien untuk deteksi phishing pada data fitur bertipe kategorikal dengan biaya komputasi yang rendah.]]>
Copyrights © 2026
