Klasifikasi Email Phishing Menggunakan Metode TF-IDF dan Algoritma Random Forest

Serangan phishing melalui email semakin meningkat dan menjadi ancaman serius terhadap keamanan siber. Metode deteksi tradisional seperti blacklist dan pencocokan pola terbukti tidak lagi efektif dalam menghadapi serangan yang semakin kompleks. Oleh karena itu, diperlukan pendekatan baru yang mampu menganalisis isi email secara kontekstual dan cerdas. Penelitian ini mengembangkan sistem deteksi email phishing dengan mengintegrasikan metode Term Frequency–Inverse Document Frequency (TF-IDF) dan algoritma Random Forest. Sistem ini dirancang untuk menganalisis struktur bahasa dalam isi email, serta mengenali pola umum yang sering dimanfaatkan dalam serangan phishing. Tahapan penelitian meliputi preprocessing teks, feature extraction menggunakan TF-IDF, pelatihan model dengan Random Forest, serta evaluasi performa menggunakan tiga skenario data splitting: 60:40, 70:30, dan 80:20. Dataset diperoleh dari Kaggle dan terdiri dari 82.486 email yang telah disesuaikan agar seimbang antara email phishing dan email sah. Hasil evaluasi menunjukkan bahwa sistem mampu menghasilkan akurasi tinggi pada semua skenario, dengan nilai tertinggi sebesar 98,01% pada skenario 80:20. Nilai precision, recall, dan F1-score juga menunjukkan performa yang tinggi dan stabil. Selain itu, analisis feature importance memperlihatkan bahwa model dapat mengenali kata-kata penting seperti click, money, dan attached yang sering muncul dalam email phishing. Penelitian ini diharapkan menjadi landasan bagi pengembangan sistem deteksi yang lebih adaptif, cerdas, dan tanggap terhadap ancaman phishing yang terus berkembang.