Deteksi Surel Spam Dan Non-Spam Bahasa Indonesia Menggunakan Metode Naïve Bayes

Abstract

Penggunaan surel yang mudah saat ini sering dimanfaatkan banyak orang sehingga menimbulkan dampak positif maupun negatif. Surel negatif biasa disebut dengan surel spam yang berisi berupa iklan, penipuan, virus dan malware yang berpotensi untuk merugikan orang lain. Masalah tersebut memerlukan penanganan untuk mengatasinya. Penelitian ini bertujuan untuk membuat sebuah model klasifikasi surel spam dan non spam berbahasa Indonesia menggunakan algoritma Naïve Bayes. Dalam pembuatan model klasifikasi menggunakan data training sebanyak 80% atau 493 surel dari 617 surel yang didapat pada penelitian ini. Berdasarkan hasil penelitian yang telah dilakukan, ditemukan bahwa algoritma Naïve Bayes menggunakan fitur N-gram telah berhasil melakukan klasifikasi sangat baik dengan nilai akurasi 87% hingga 95%, nilai precision 80% hingga 93% dan recall 93% hingga 100%. Model terbaik dalam mengklasifikasikan surel ditemukan menggunakan 2-gram dengan nilai akurasi tertinggi yaitu 95%.