Penerapan Random Forest untuk Deteksi Phishing dalam Upaya Meningkatkan Keamanan Informasi Pengguna

Abstract

Serangan phishing merupakan salah satu ancaman siber yang paling umum dan berbahaya karena menargetkan pengguna melalui situs web, email, atau pesan palsu untuk mencuri kredensial, data pribadi, dan informasi keuangan. Meningkatnya jumlah situs phishing yang sulit dibedakan secara manual menuntut adanya metode deteksi otomatis yang akurat dan efisien. Penelitian ini bertujuan menerapkan algoritma Random Forest untuk deteksi phishing dalam upaya meningkatkan keamanan informasi pengguna. Metode penelitian meliputi pengumpulan dataset URL atau situs web phishing dan legitimate, praproses data, ekstraksi fitur seperti panjang URL, penggunaan alamat IP, keberadaan HTTPS, karakter khusus, usia domain, serta fitur berbasis konten, pembagian data latih dan data uji, pelatihan model Random Forest, dan evaluasi menggunakan confusion matrix. Pengujian dilakukan untuk mengukur performa model melalui akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest mampu mengklasifikasikan situs phishing dan legitimate dengan tingkat akurasi yang tinggi serta performa yang baik dibandingkan beberapa algoritma pembanding. Dengan demikian, penerapan Random Forest dapat menjadi solusi yang efektif untuk deteksi phishing dan berkontribusi dalam meningkatkan keamanan informasi pengguna, terutama jika diintegrasikan ke dalam sistem peringatan dini atau layanan keamanan berbasis web.