Klasifikasi URL Phishing Menggunakan Metode Backpropagation Dengan Optimasi Levenberg-Marquardt

Serangan phishing melalui URL merupakan salah satu ancaman keamanan cyber yang terus meningkat dan berpotensi menimbulkan kerugian bagi pengguna internet. Oleh karena itu, diperlukan metode yang mampu mendeteksi URL phishing secara akurat berdasarkan karakteristik URL dan elemen halaman web. Penelitian ini bertujuan untuk membangun model klasifikasi URL phishing dan legitimate menggunakan Backpropagation dengan optimasi Levenberg-Marquardt. Model dibangun menggunakan arsitektur 50–9–1 dan dilatih menggunakan PhiUSIIL Phishing URL Dataset yang terdiri dari fitur berbasis struktur URL dan konten halaman web. Proses pelatihan dilakukan menggunakan k-fold cross validation untuk menentukan jumlah Neuron optimal, diikuti dengan final training dan final testing menggunakan data yang terpisah. Hasil penelitian menunjukkan bahwa model menghasilkan kinerja yang sangat tinggi dengan nilai accuracy sebesar 0.999979, precision sebesar 0.999963, recall sebesar 1.000000, dan F1-Score sebesar 0.999981 pada tahap final testing. Hasil ini menunjukkan bahwa model memiliki kemampuan generalisasi yang sangat baik dan efektif dalam mendeteksi URL phishing.