Perkembangan layanan digital menghadapi ancaman keamanan siber berupa phishing yang memanfaatkan tautan palsu dan konten email menyesatkan untuk memperoleh informasi sensitif pengguna, sehingga diperlukan sistem deteksi yang mampu mengenali pola serangan secara otomatis. Penelitian ini bertujuan merancang sistem deteksi phishing menggunakan metode machine learning berbasis fitur URL dan konten email serta membandingkan performa algoritma dalam mengklasifikasikan data phishing dan non-phishing. Studi ini menerapkan pendekatan kuantitatif dengan desain eksperimental, meliputi serangkaian proses sistematis dimulai dari akuisisi data, pembersihan dan normalisasi, ekstraksi dan pemilihan atribut, transformasi nilai, pembagian sampel, pelatihan algoritma, hingga pengukuran kinerja model. Korpus penelitian terdiri dari 2.000 instansi email dengan 4 atribut utama yang mencerminkan dimensi URL, identitas pengirim, kepala surat, badan pesan, hyperlink, pola terminologi berbahaya, dan status label target. Implementasi menggunakan tiga pendekatan machine learning Support Vector Machine, Random Forest, dan Artificial Neural Network dengan variasi partisi data berturut-turut pada 70:30, 80:20, dan 90:10. Temuan utama menunjukkan Random Forest mencapai skor sempurna (1,000) pada seluruh metrik kinerja, meskipun perlu pemeriksaan mendalam karena indikasi tersebut mengisyaratkan kemungkinan overfitting, pola pembelajaran yang berlebihan, atau adanya data leakage dalam proses validasi. Artificial Neural Network diadopsi sebagai solusi optimal mengingat menghasilkan performa kompetitif yang lebih kredibel, dengan skor akurasi, presisi, recall, dan F1 masing-masing 0,973 pada pembagian 90:10. Pencapaian ini membuktikan ANN berhasil menangkap pola non-linear kompleks dari fitur berbasis konten dan struktur URL untuk identifikasi email phishing dengan efektivitas tinggi.