SISTEM KLASIFIKASI URL UNTUK DETEKSI SITUS BERBAHAYA BERBASIS ANALISIS FITUR JARINGAN

Peningkatan aktivitas cybercrime seperti phishing, malware, dan penipuan daring menyebabkan kebutuhan akan sistem deteksi situs berbahaya yang efektif semakin mendesak. Penelitian ini mengembangkan Sistem Klasifikasi URL untuk Deteksi Situs Berbahaya Berbasis Analisis Fitur Jaringan yang bertujuan untuk mengidentifikasi dan mengklasifikasikan situs menjadi tiga kategori, yaitu normal, suspicious, dan malicious. Sistem dirancang menggunakan bahasa pemrograman PHP dengan integrasi API URLHaus sebagai sumber referensi data situs berbahaya. Proses analisis dilakukan dengan memeriksa sejumlah fitur jaringan, meliputi panjang URL, jumlah subdomain, penggunaan protokol HTTPS, karakter spesial, port non-standar, serta kata kunci mencurigakan. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi situs berbahaya secara real-time dengan waktu respon rata-rata kurang dari tiga detik per URL. Selain itu, sistem menampilkan hasil analisis dalam bentuk visual seperti progress bar tingkat risiko dan keterangan fitur yang memengaruhi hasil klasifikasi. Berdasarkan evaluasi, sistem dapat mengklasifikasikan URL dengan akurat dan efisien tanpa perlu mengakses konten situs secara langsung, sehingga aman untuk digunakan. Sistem ini diharapkan dapat menjadi solusi praktis dalam meningkatkan kesadaran pengguna terhadap ancaman siber serta dasar pengembangan lanjutan berbasis machine learning untuk peningkatan akurasi di masa depan.