Phishing adalah teknik serangan siber yang bertujuan untuk memperoleh informasi sensitif yang dapat mengakibatkan kerugian. Salah satu cara mengidentifikasi website phishing adalah dengan menggunakan metode berbasis list-based, dimana website-website phishing yang sudah terverifikasi atau terbukti akan dimasukkan ke dalam blacklist. Kelemahan pada metode ini adalah adanya kemungkinan website phishing yang belum tercatat pada blacklist sudah memakan korban terlebih dahulu. Untuk mengatasi kelemahan metode list-based, dapat digunakan metode machine learning yang mampu mengidentifikasi website phishing berdasarkan URL-nya. Dalam penelitian ini membandingkan metode machine learning seperti ANN, RF, dan GBDT dengan beberapa dataset yang telah melalui proses feature selection dan resampling. Hasil akhir penelitian ini adalah model neural network mendapatkan performa terbaik dan diimplementasikan pada web service dan ekstensi browser. Web service ini berfungsi sebagai endpoint yang melakukan ekstraksi fitur dan prediksi, sedangkan ekstensi browser akan mengirimkan data website yang dikunjungi pengguna ke web service dan memberikan informasi kepada pengguna jika website yang dikunjungi teridentifikasi sebagai phishing.