Ancaman phishing melalui email merupakan salah satu bentuk serangan siber
yang bertujuan mencuri informasi sensitif dengan menyamar sebagai pihak
terpercaya. Proses identifikasi secara manual menjadi kurang efektif karena
jumlah email yang terus meningkat dan pola serangan yang semakin beragam.
Oleh karena itu, penelitian ini bertujuan mengimplementasikan algoritma
Support Vector Machine (SVM) dengan pembobotan Term Frequency–Inverse
Document Frequency (TF-IDF) untuk mengklasifikasikan email phishing.
Penelitian menggunakan dataset Phishing_Email.csv yang terdiri atas 28.747
email berbahasa Inggris. Setelah proses pembersihan data, sebanyak 18.573
email digunakan dalam penelitian. Tahapan penelitian meliputi preprocessing
teks, pembagian data latih dan data uji dengan rasio 80:20, pembobotan TF-IDF,
pelatihan model SVM menggunakan linear kernel, serta evaluasi menggunakan
accuracy, precision, recall, F1-score, dan confusion matrix.
Hasil pengujian menunjukkan bahwa model memperoleh accuracy sebesar
97,79%, precision 95,81%, recall 98,70%, dan F1-score 97,23%. Nilai recall
yang tinggi menunjukkan kemampuan model dalam mendeteksi sebagian besar
email phishing. Dengan demikian, kombinasi SVM dan TF-IDF terbukti efektif
untuk mengklasifikasikan email phishing berbahasa Inggris dengan performa
yang tinggi.