Phishing merupakan bentuk serangan pada dunia maya yang cukup popular, dimana pengguna dibuat untukmengunjungi situs web yang tidak sah. Pengguna ditipu untuk mengungkapkan informasi pribadinya sepertiusername, password, informasi kartu kredit dan sebagainya. Maraknya phishing membuat kerugian dalam halprivacy, bahkan terjadi penyalahgunaan data yang menyebabkan kerugian finansial. Tujuan dari penelitian iniadalah peneliti ingin menggunakan machine learning dengan memanfaatkan fitur filter yang ada didalamnya yaitupearson correlation dan menerapkan 3 metode Naïve Bayes, Decision Tree dan Random Forest untuk menentukanmetode yang paling efektif dalam mendeteksi web phishing. Terdapat 4 alur penelitian yang digunakan olehpeneliti, yaitu (1) Tahap persiapan, (2) Metode yang digunakan, (3) Analisa, dan (4) Evaluasi. Dari hasil penelitianini didapatkan bahwa penerapan metode Naïve Bayes memiliki nilai akurasi sebesar 60,4%, metode Decision Treememiliki nilai akurasi 94,4% dan metode Random Forest memiliki akurasi sebesar 96,3%. Sehingga dapatdisimpulkan bahwa metode yang paling efektif untuk mendeteksi web phishing adalah menggunakan RandomForest karena memiliki tingkat akurasi sebesar 96.3%. Pada penelitian selanjutnya dapat dilakukan pada kasusyang sama dengan menggunakan algoritma yang berbeda.