STUDI SIMULASI DETEKSI EMAIL PHISHING BERBASIS NLP MENGGUNAKAN TF-IDF DENGAN SUPPORT VECTOR MACHINE DAN RANDOM FOREST

Abstrak

Phishing melalui email merupakan ancaman keamanan informasi yang memanfaatkan isi pesan untuk
mendorong pengguna memberikan informasi sensitif atau melakukan tindakan tertentu. Penelitian ini bertujuan
menganalisis kinerja Support Vector Machine (SVM) dan Random Forest pada klasifikasi email phishing
berbasis Natural Language Processing (NLP) dengan representasi Term Frequency-Inverse Document Frequency
(TF-IDF). Dataset simulasi awal berjumlah 10.420 email dan setelah pemeriksaan duplikasi, data kosong, serta
label tidak valid diperoleh 10.000 email, yang terdiri atas 5.000 phishing dan 5.000 legitimate. Data diproses
melalui cleaning, case folding, tokenization, dan stopword removal, kemudian ditransformasikan menjadi feature
vector TF-IDF dengan unigram dan bigram. Dataset dibagi menggunakan rasio 80:20 untuk data training dan
testing. Evaluasi model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil simulasi
menunjukkan SVM memperoleh accuracy 96,40%, precision 95,94%, recall 96,90%, dan F1-score 96,42%,
sedangkan Random Forest memperoleh accuracy 94,80%, precision 95,34%, recall 94,20%, dan F1-score
94,77%. SVM juga menghasilkan false negative yang lebih rendah, yaitu 31 dibandingkan 58 pada Random
Forest. Berdasarkan skenario simulasi, SVM menunjukkan kinerja lebih konsisten terutama pada recall dan F1-
score, sehingga lebih sesuai sebagai model utama pada rancangan prototype deteksi email phishing. Hasil ini
tetap perlu dikonfirmasi melalui eksperimen aktual dan pengujian lintas dataset sebelum digunakan sebagai dasar
implementasi operasional.