Phishing merupakan salah satu jenis serangan rekayasa sosial yang bertujuan untuk mendapatkan informasi pribadi korban, dengan metode menyamar sebagai entitas yang dapat dipercaya. Salah satu cara untuk mendeteksi situs phishing adalah dengan klasifikasi dari fitur-fitur yang menjadi ciri-ciri situs tersebut. Namun, beberapa penelitian terkait justru menunjukkan terdapat beberapa fitur yang tidak penting dan tidak relevan. Terlebih lagi, penelitian-penelitian tersebut menggunakan fitur yang berbeda-beda. Penelitian ini memiliki tujuan berupa: terciptanya sistem yang dapat mengidentifikasi fitur yang paling optimum dalam pengklasifikasian situs phishing. Metode yang digunakan berupa feature selection dengan teknik perankingan menggunakan formula Chi-Square, lalu diikuti dengan proses klasifikasi menggunakan algoritma Support Vector Maching (SVM), Multilayer Perceptron (MLP), K-Nearest Neighbors (KNN), dan Random Forest. Tujuan utama dari feature selection adalah memilih fitur terbaik dari suatu kumpulan fitur data. Eksperimen dilakukan sebanyak dua kali yaitu sebelum dan sesudah proses feature selection. Hasil dari penelitian ini adalah algoritma Random Forest menghasilkan nilai akurasi paling tinggi yaitu 96.65% jika menggunakan dataset sebelum feature selection dan meningkat menjadi 96.92% pada dataset setelah feature selection.