Deteksi Website Phishing Menggunakan Hybrid feature URL dan Analisis Konten HTML dengan Ensemble Machine learning

M Maulana Fathul Muin (Program Studi Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Sultan Agung)
Bagus Satrio Waluyo Poetro (Universitas Islam Sultan Agung)

Jurnal Rekayasa Sistem Informasi dan Teknologi
Vol. 4 No. 1 (2026): Agustus

Penelitian ini mengusulkan pengembangan System for Ensemble Phishing & HTML Intelligent Analysis (SEPHIA), sebuah sistem deteksi website phishing berbasis  ekstraksi fitur hibrida. Pendekatan ini mengombinasikan  16 fitur leksikal URL dan 14 fitur perilaku struktural Document Object Model (DOM) HTML. Proses klasifikasi dilakukan menggunakan algoritma Ensemble Machine Learning ( Random Forest dan Extreme Gradient Boosting / XGBoost) dengan mekanisme Soft Voting untuk menangani ketidakseimbangan data. Model dilatih menggunakan dataset gabungan dari repositori OpenPhish dan Majestic Million  sejumlah 5.000 sampel data. Hasil evaluasi kinerja pada 1.000 data uji (498 Legitimate dan 502 Phishing) menunjukkan model ensemble ini mencapai tingkat  Akurasi 99,10%, Presisi 99,60%, Sensitivitas (Recall) 98,61%, dan F1-Score 0,991. Integrasi lapisan Rule-Based (Protokol Veto Merek) dan mekanisme Heuristic Fallback pada antarmuka sistem terbukti secara signifikan memblokir serangan Typosquatting dan tautan tidak aktif..