Deteksi Phishing URL Menggunakan XGBoost dengan Explainable AI pada Web Page Phishing Detection Dataset
IDEALIS : InDonEsiA journaL Information System · 31.07.2026 · 9 (2) · 268-277
DOI: 10.36080/idealis.v9i2.3810 ↗Kurz gefasst
Fachartikel in der Zeitschrift IDEALIS : InDonEsiA journaL Information System, online erschienen am 31.07.2026. Verfasst von Juni Ismail und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).
Abstract (Originalsprache)
Serangan phishing melalui penyebaran URL palsu masih menjadi salah satu ancaman siber paling merugikan, termasuk di Indonesia yang marak menghadapi penipuan tautan melalui aplikasi pesan dan surel. Pendekatan berbasis daftar hitam tidak mampu mengenali URL phishing baru, sementara model machine learning yang akurat sering kali sulit dijelaskan proses pengambilan keputusannya. Penelitian ini bertujuan membandingkan enam algoritma machine learning, yaitu XGBoost, Random Forest, Support Vector Machine, K-Nearest Neighbors, Logistic Regression, dan Naive Bayes, untuk deteksi phishing URL sekaligus menghadirkan transparansi model melalui Explainable Artificial Intelligence (XAI). Eksperimen dilakukan pada Web Page Phishing Detection Dataset yang memuat 11.430 URL dengan 87 fitur dan distribusi kelas seimbang. Tahapan penelitian mencakup analisis data eksploratif, analisis seleksi fitur dengan Chi-Square, Mutual Information, dan Recursive Feature Elimination, pembagian data 80:20, pelatihan model, optimasi hyperparameter menggunakan RandomizedSearchCV, serta interpretasi model terbaik menggunakan SHapley Additive exPlanations (SHAP). Hasil pengujian menunjukkan XGBoost memberikan kinerja terbaik dengan akurasi 96.50%, presisi 96.26%, recall 96.76%, F1-score 96.51%, dan AUC 0.9943. Analisis SHAP mengidentifikasi google_index, page_rank, dan nb_hyperlinks sebagai fitur paling berpengaruh, yang didominasi kategori fitur eksternal berbasis reputasi. Temuan ini menegaskan bahwa sistem deteksi phishing dapat dibangun tidak hanya akurat, tetapi juga transparan dan dapat dipertanggungjawabkan.
Zitieren
APA
Ismail, J., Nasution, R. A., & Gea, M. N. (2026). Deteksi Phishing URL Menggunakan XGBoost dengan Explainable AI pada Web Page Phishing Detection Dataset. IDEALIS : InDonEsiA journaL Information System, 9(2), 268-277. https://doi.org/10.36080/idealis.v9i2.3810
Vancouver
Ismail J, Nasution RA, Gea MN. Deteksi Phishing URL Menggunakan XGBoost dengan Explainable AI pada Web Page Phishing Detection Dataset. IDEALIS : InDonEsiA journaL Information System. 2026;9(2):268-277. doi:10.36080/idealis.v9i2.3810
BibTeX
@article{Ismail2026,
author = {Ismail, Juni and Nasution, Raja Anan and Gea, Muhammad Nasri},
title = {Deteksi Phishing URL Menggunakan XGBoost dengan Explainable AI pada Web Page Phishing Detection Dataset},
journal = {IDEALIS : InDonEsiA journaL Information System},
year = {2026},
volume = {9},
number = {2},
pages = {268--277},
doi = {10.36080/idealis.v9i2.3810}
}
EUVIMED