Klasifikasi Email Spam Dengan Metode Text Mining Menggunakan Algoritma Naïve Bayes Dan Decision Tree

• DIMAS MULANGGONO
• 2024

---

Spam email adalah salah satu masalah yang sering dihadapi dalam penggunaan email. Tujuan dari penelitian ini adalah untuk mengklasifikasikan email ke dalam kategori spam dan non-spam (bukan spam) dengan menggunakan teknik text mining. Algoritma yang digunakan dalam penelitian ini adalah Naive Bayes dan Decision Tree. Text mining adalah proses mengekstraksi informasi dari data teks yang tidak terstruktur, yang melibatkan pengumpulan, pemrosesan, dan analisis data teks. Dalam konteks klasifikasi email, text mining digunakan untuk mengidentifikasi fitur-fitur kunci dari konten email yang dapat digunakan untuk membedakan antara spam dan ham. Algoritma Naive Bayes adalah metode klasifikasi yang menggunakan Teorema Bayes dengan asumsi bahwa fitur-fiturnya saling independen. Algoritma ini sangat efisien dan sederhana, menjadikannya pilihan yang populer untuk berbagai aplikasi text mining. Dalam penelitian ini, Naive Bayes digunakan untuk mengklasifikasikan email berdasarkan probabilitas kemunculan kata-kata tertentu dalam spam dan ham. Algoritma Decision Tree adalah metode klasifikasi yang menggunakan struktur pohon keputusan untuk membuat prediksi. Algoritma ini membagi dataset menjadi subset-subset berdasarkan nilai fitur, sehingga menghasilkan model yang mudah dipahami dan diinterpretasikan. Dalam penelitian ini, Decision Tree digunakan untuk mengidentifikasi aturan-aturan klasifikasi email berdasarkan fitur-fitur teks. Penelitian ini melibatkan beberapa tahap, yaitu pengumpulan data email, pra-pemrosesan teks (termasuk tokenisasi, transform case, stopwords, filter tokens, dan stemming), ekstraksi fitur, dan penerapan algoritma Naive Bayes serta Decision Tree. Kinerja kedua algoritma tersebut dievaluasi menggunakan confusional metrik sehingga menghasilkan akurasi, presisi, recall. Hasil penelitian menunjukkan bahwa kinerja algoritma Decision Tree lebih baik dalam klasifikasi dibandingkan Naive Bayes dengan tingkat akurasi menunjukkan 97,19 keunggulan dalam hal efisiensi, dan Decision Tree menawarkan interpretabilitas yang lebih baik. Penelitian ini memberikan kontribusi penting dalam upaya meningkatkan sistem filtrasi email untuk mengurangi jumlah spam yang masuk ke kotak masuk pengguna.

• Mesin learning
• Text Mining
• Klasifikasi Email

https://repository.bsi.ac.id/repo/52782/Klasifikasi-Email-Spam-Dengan-Metode-Text-Mining-Menggunakan-Algoritma-Naïve-Bayes-Dan-Decision-Tree
File full-text dikunci.