ABSTRAK

Phishing merupakan salah satu jenis kejahatan siber yang paling sering digunakan
untuk menipu pengguna melalui situs web palsu. Penelitian ini bertujuan untuk
mendeteksi URL phishing dengan mengembangkan model hybrid berbasis Support
Vector Machine (SVM) dan Naïve Bayes menggunakan pendekatan Weighted
Voting. Untuk meningkatkan performa model, dilakukan seleksi fitur menggunakan
SelectKBest, Recursive Feature Elimination (RFE), Principal Component Analysis
(PCA), dan interpretasi model melalui Explainable AI (XAI) menggunakan SHAP
dan LIME. Dataset yang digunakan terdiri dari 22.398 URL dengan proporsi data
phishing dan legitimate yang seimbang. Data tersebut melalui tahap praproses dan
ekstraksi fitur numerik dari setiap URL. Hasil pengujian menunjukkan bahwa
model hybrid yang diusulkan berhasil mendeteksi 11.136 URL phishing dari total
11.199 URL phishing yang tersedia, dengan akurasi sebesar 97,74%, nilai precision
97,69%, recall 99,43%, F1-score 98,55%, dan nilai AUC (Area Under Curve)
mencapai 0,98. Pengujian juga mencakup pembandingan terhadap model tunggal
SVM dan Naïve Bayes. Model hybrid terbukti lebih unggul dari keduanya, terutama
dalam hal kestabilan prediksi dan interpretabilitas. Visualisasi dengan SHAP
menunjukkan fitur-fitur yang paling berpengaruh terhadap prediksi, sedangkan
LIME memberikan penjelasan lokal pada prediksi individual. Penelitian ini
menunjukkan bahwa kombinasi metode SVM dan Naïve Bayes dalam kerangka
voting dapat meningkatkan akurasi dan interpretabilitas sistem deteksi phishing.
Sistem ini berpotensi diterapkan dalam prototipe berbasis web untuk mendeteksi
URL secara real-time, serta mendukung pengambilan keputusan dalam mitigasi
serangan phishing.