Perkembangan teknologi informasi telah mempermudah akses terhadap berbagai layanan daring, namun juga meningkatkan risiko kejahatan siber, salah satunya adalah phishing. Phishing merupakan upaya penipuan dengan menyamar sebagai situs terpercaya guna memperoleh data sensitif dari pengguna. Penelitian ini bertujuan untuk mengembangkan sistem deteksi website phishing berbasis web menggunakan algoritma klasifikasi random forest dan XGBoost. Sistem dirancang agar dapat menerima input URL secara manual, kemudian mengekstraksi fitur-fitur penting dari URL untuk dilakukan klasifikasi. Model dikembangkan menggunakan dataset dari URL, dengan pembagian data latih dan uji sebesar 80:20. Evaluasi performa dilakukan dengan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa XGBoost memiliki performa lebih unggul dengan akurasi 98,7%, dibandingkan random forest yang memiliki akurasi 96,4%. Sistem ini juga telah berhasil diuji secara fungsional dan mampu mendeteksi URL phishing dengan baik serta menampilkan hasil secara real-time. Penelitian ini menunjukkan bahwa XGBoost lebih layak digunakan dalam sistem deteksi phishing berbasis web, dan aplikasi yang dikembangkan dapat menjadi alat bantu bagi pengguna umum untuk mengidentifikasi ancaman phishing dengan lebih cepat dan akurat.

S12054

INF 0081 2025

Bekasi

Tersedia