Serangan phishing yang terus menyebar memerlukan solusi keamanan jaringan yang efektif namun terjangkau. Mengingat keterbatasan fitur blokir manual pada MikroTik dan mahalnya firewal komersil, penelitian ini merancang sistem filtering otomatis dengan mengintegrasikan algoritma Machine Learning Random Forest ke dalam MikroTik menggunakan RouterOS-API berbasis Python. Metodologi meliputi pelatihan dataset URL dan pengembangan sistem yang mendeteksi DNS cache untuk memblokir situs phishing secara otomatis melalui firewall drop rule. Evaluasi dilakukan melalui seleksi model variasi fitur, pengujian offline dan pengujian deteksi real-world. Hasil penelitian menunjukkan bahwa model dengan 10 fitur memberikan keseimbangan terbaik antara performa dan kecepatan, menghasilkan akurasi 90% dengan waktu klasifikasi rata-rata 11,5 detik. Dalam implementasi nyata, sistem mampu mendeteksi dan memblokir situs phishing dalam waktu 7 hingga 21 detik. Meskipun beban CPU meningkat 7-40% saat proses deteksi, penggunaan memori tetap efisien. Penelitian ini menyimpulkan bahwa integrasi Random Forest pada MikroTik efektif sebagai solusi keamanan jaringan yang adaptif dan hemat biaya.