Perbandingan Deteksi Web Phishing dengan Fitur Menggunakan Support Vector Machine, Random Forest Dan Gradient Boosting Classifier

Abstract

Seiring meningkatnya pemanfaatan internet, kasus kejahatan siber juga terus bertambah, salah satunya adalah phishing. Penelitian ini membandingkan kinerja tiga algoritma pembelajaran mesin, yaitu Support Vector Machine (SVM), Random Forest, dan Gradient Boosting, dalam mengidentifikasi situs web phishing. Dataset yang digunakan terdiri atas 11.055 URL dengan 32 fitur, yang dibagi menggunakan metode Holdout dengan rasio 80:20 untuk data latih dan data uji. Hasil pengujian menunjukkan bahwa algoritma Gradient Boosting memperoleh tingkat akurasi tertinggi sebesar 97,7%, diikuti oleh Random Forest sebesar 97,6% dan SVM sebesar 96,4%. Selain itu, Gradient Boosting juga memberikan nilai precision, recall, dan F1-score yang lebih baik dibandingkan metode lainnya, sehingga dinilai paling efektif untuk mendeteksi web phishing pada penelitian ini.