Penelitian ini dilatarbelakangi karena adanya perkembangan teknologi informasi dan penggunaan internet yang semakin pesat. Perkembangan yang semakin cepat itu berdampak pada perubahan pola pikir dan cara kegiatan masyarakat dalam berbagai aspek. Adanya peningkatan tersebut, ancaman terhadap keamanannya semakin kian beragam khususnya phising. Jumlah situs web besar juga meningkat setiap hari, semakin besar kemungkinan pengguna internet membuka situs web phishing secara tidak sengaja. Oleh karena itu, penelitian terhadap website phising dirasa perlu dilakukan. Mengatasi masalah tersebut, penulis menggunakan algoritma machine learning untuk mencari pola yang mengandung informasi phising dan tidak phising. Metode machine learning yang digunakan dalam penelitian ini adalah Decision Tree, Support Vector Machine, dan Naïve Bayes karena pada penelitian sebelumnya algoritma tersebut dapat mengelompokkan berita menjadi phising maupun tidak phising. Pada penelitian ini, penulis menggunakan referensi dataset dari kaggle, yang berupa kumpulan sejumlah 11055 link berita phising dan tidak phising. Dalam hasil penelitian ini diperoleh akurasi dari algoritma Support Vector Machine sebesar 96%, Naïve bayes 60%, dan Decision Tree 95%.
