Deteksi Website Phising Menggunakan Teknik Data Mining Dan Web Crawling

Latar Belakang: Phising merupakan salah satu bentuk serangan siber yang semakin meningkat seiring dengan berkembangnya teknologi digital, dengan lebih dari 1,2 juta kasus global dan kerugian mencapai USD 42 miliar pada tahun 2023. Penelitian ini mengembangkan sistem deteksi situs phising menggunakan algoritma Decision Tree CART dan teknik web crawling, dengan data real-time dari PhishTank dan Tranco. CART dipilih karena kemampuannya menangani data numerik dan kategorikal secara efisien serta mudah diinterpretasi.
Tujuan: Penelitian ini bertujuan untuk melakukan evaluasi model deteksi website phising dengan menggunakna teknik data mining dan web crawling berbasis algoritma Decision Tree CART dengan memanfaatkan data real-time.
Metode Penelitian: Penelitian dilakukan melalui tahapan studi literatur, pengumpulan data dengan web crawling, preprocessing dan normalisasi, ekstraksi fitur, pelatihan model CART, evaluasi menggunakan confusion metrix.
Hasil: Model yang dibangun menghasilkan akurasi data uji sebesar 99,49%, data latih 99,57%, dan rata-rata akurasi cross-validation sebesar 99,56%. Precision dan recall untuk kedua kelas mencapai nilai 0,99, serta f1-score yang tinggi
menunjukkan kestabilan dan keseimbangan model. Uji prediksi real-time terhadap 10 URL baru menunjukkan bahwa model mampu mengeneralisasi data secara akurat.
Kesimpulan: Model Decision Tree CART terbukti mampu mendeteksi situs phising dengan akurat dan efektif. Integrasi data real-time melalui web crawling dari PhishTank memungkinkan model tetap adaptif terhadap tren serangan terbaru, serta cocok diterapkan dalam sistem keamanan siber berbasis URL.