Klasifikasi Spam SMS Menggunakan Naïve Bayes Classifier dan K-Nearest Neighbors
DOI:
https://doi.org/10.24252/msa.v13i1.46192Keywords:
NBC, KNN, Classification, training and testing, SMS Spam, accuracy, term frequencyAbstract
This research discusses the classification of the SMS Spam dataset. Indonesia is in 19th position for the most SMS spam in the world. Many fraudulent crimes that cause losses to users come from SMS spam. SMS spam classification can be done using machine learning methods, namely Naïve Bayes Classifier (NBC) and K-Nearest Neighbor (KNN) using term frequency word weighting. This research aims to determine the performance of SMS spam classification using the NBC algorithm and the KNN algorithm. This research shows that the classification accuracy using the Naïve Bayes Classifier method is greater, namely 98.3% compared to the K-Nearest Neighbor method with an accuracy of 95.1% with an accuracy ratio of 1.033, which shows that the Naïve Bayes Classifier method has better performance.
References
Herwanto, N. L. Chusna and M. S. Arif, "Klasifikasi SMS Spam Berbahasa Indonesia Menggunakan Algoritma Multinomial Naïve Bayes," JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 4, 2021.
B. Indiarto, "Klasifikasi SMS Spam Dengan Metode Naive Bayes Classifier Untuk Menyaring Pesan Melalui Selular," Jurnal TELEMATIKA MKOM, vol. 8, no. 2, 2016.
D. N. Fitriana, N. A. Setifani and A. Yusuf, "Perbandingan Algoritma Naïve Bayes, Svm, Dan Decision Tree Untuk Klasifikasi SMS Spam," JUSIM (Jurnal Sist. Inf. Musirawas), vol. 5, no. 2, 2020.
A. S. Dharma, O. . Y. Silitonga and . H. J. Manurung, "Perbandingan Algoritma Naive Bayes, ID3 dan TAN Pada Klasifikasi SMS Spam," J. Marit. Educ, vol. 1, no. 2, 2019.
M. A. Muslim, B. Prasetiyo, E. L. H. Mawarni, A. J. Herowati, Mirqotussa'adah, S. H. Rukmana and A. Nurzahputra, Data Mining Algoritma C4.5 Disertai contoh kasus dan penerapannya dengan program computer, Semarang, 2019.
J. Suntoro, Data Mining Algoritme dan Implementasi Menggunakan Bahasa Pemograman PHP, Semarang, 2018.
A. Firdaus and W. I. Firdaus, "Text Mining dan Pola Logoritma dalam Penyelesaian Masalah Informasi: (Sebuah Ulasan)," Jurnal JUPITER, vol. 13, no. 1, 2021.
D. . W. B and A. Hetami, "Perancangan Information Retrieval (IR) untuk Pencarian Ide Ppkok Teks Artikel Berbahasa Inggris dengan Pembobotan Vector Space Model," Jurnal Ilmiah Teknologi dan Informasi ASIA, vol. 9, no. 1, 2015.
W. Sulistyo, "Klasifikasi Dokumen Berbahasa Inggris Berdasarkan Weighted-Term," Jurnal Teknologi Informasi-Aiti, vol. 5, no. 1, 2008.
Widyawati and Sutanto, "Perbandingan Kinerja Variasi Naive Bayes Multivariate Bernoulli dan Naive Bayes Multinomial Dalam Pengklasifikasian Dokumen Teks," JURNAL OF INNOVATION AND FUTURE TECKHNOLOGY, vol. 2, no. 1, 2020.
O. S. Y. Prakasa and K. M. Lhaksamana, "Klasifikasi Teks dengan Menggunakan Algoritma K-Nearest Neighbors pada Kasus Kinerja Pemerintah di Twitter," e-Proceeding of Engineering, vol. 5, no. 3, 2018.
A. Deolika, K. and E. . T. Luthfi, "Analisis Pembobotan Kata Pada Klasifikasi Text Mining," JTI (Jurnal Teknologi Informasi), vol. 3, no. 2, 2019.
Pratama, A. Gumilar, Anton and Firmansyah, "Implementasi Aplikasi Enkripsi Short Message Service (SMS) Berbasis Android," JURNAL TEKNIK KOMPUTER AMIK BSI, vol. 1, no. 1, 2015.
A. Zuliharti, Klasifikasi Spam Pada Konten SMS Menggunakan Metode Naive Bayes dengan Featur Selection Document Frequency Thresholding, Malang: Universitas Brawijaya, 2012.
Sandag and G. Arther, "Klasifikasi SMS Spam Menggunakan Algoritma Support Vector Machine (SVM)," Seminar Nasional Sistem Informasi dan Teknologi Informasi 2018, 2018.
F. R. Nasution, Shaufiah and M. A. Bijaksana, "SMS Classification Deteksi Spam dengan menggunakan Algoritma Artificial Immune System dan Apriori Frequent Itemset," eProceedings of Engineering, vol. 2, no. 3, 2015.
T. H. A. Sugianto and C. Agus, "Analisis Komparasi Machine Learning Pada Data Spam SMS," TEDC, vol. 12, no. 1, 2018.
R. D. H. Lumbantobing, E. M. Manalu, D. S. P. Sitinjak and T. W. Manurung, "Rancangan Aplikasi Mobile Pendeteksi Spam SMS di Indonesia," jurnaltio, vol. 2, no. 1, 2021.
J. Na’am, "Pembobotan Kata SMS Spam," Jurnal Ilmiah Media SISFO, vol. 9, no. 2, 2015.
K. S. Berberian, Introduction to Hilbert Space, New York: Oxpord University Press, 1961.
Dwijanto, Analisis Real, Semarang: IKIP Semarang Press, 1994.
E. Kreyzeq, Introduction Functional Analysis with Application, Canada: John Wiley & Son, 1978.
T. P. Nababan, Teorema Titik Tetap di Ruang Metrik dan Aplikasinya, Bandung: Institut Teknologi Bandung, 1992.
B. I, "Groups DCS," 13 Mei 2008. [Online]. Available: http://www.group.dcs.stand.ac.uk. [Accessed 13 Mei 2011].
M. Bulmer and Carter, M, Integer Programming with Mathematica, USA: Inc. USA, 1996.
J. A. 2. Bychmann, Introduction to Cryptography, New York: Inc. USA, 2000.
G. Ginan, "Teori Bilangan dalam Persamaan Diophantine Journal," Teknik Elektro dan Informatika, 2008.
A. Setiawan, Pengantar Teori Probabilitas, Salatiga: Tisara Grafika, 2015, pp. 25-26.
Noeryanti, Pengantar Teori Probabilitas Edition One, Yogyakarta: AKPRIND Press, 2021, p. 21.
Irwan, "perancangan Aplikasi SMS (Short Message Service) dengan Enskripsi Teks Menggunakan Algoritma Block Cipher Aes (Advanced Encryption Standard) Berbasis Mobile Pada Platform Android," Jurnal Sistem dan Teknologi Informasi, vol. 1, no. 1, 2013.
M. Shihab, Tafsir Al-Misbah: Pesan, Kesan, dan Keserasian Al-Qur'an (Vol. 13), Jakarta: Lentera Hati, 2002.
S. A. Hasanah, "Larangan Membicarakan Semua yang didengar," 30 03 2020. [Online].
Butar and Ricky Kristian, "Implementasi dan Analisis Klasifikasi Spam Pada Pesan Singkat Seluler Dengan Pendekatan Collaborative Filtering Menggunakan Naïve Bayes," vol. 2, no. 3, 2015.
A. N. Fajar, "Pemanfaatan Teknologi SMS (Short Message Service) Dalam Instituti Perguruan Tinggi," Jurnal FASILKOM, vol. 4, no. 1, 2006.
J. Brown, B. Shipman and R. Vetter, "SMS: The Short Message Service," ResearchGate, 2007.
H. Muhamad, C. A. Prasojo, N. A. Sugianto, L. Surtiningsih and I. Cholissodin, "Optimasi Naive Bayes Classifier dengan Menggunakan Particle Swarm Optimiation Pada DataIRIS," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 4, no. 3, 2017.
A. Wahid, M. Baharulloh, R. Kahfiansyah, T. Abrilianto, A. Saifudin and S. Mulyati, "Identifikasi SMS Spam Menggunakan Metode Naive Bayes," Jurnal Informatika Universitas Pamulang, vol. 6, no. 3, 2021.
R. J. Mooney., "CS 391L: Machine Learning Text Categoriation," 2006.
Lajnah Pentashih Mushaf Al-Qur'an Departemen Agama RI, Al-Qur'an dan Teremahnya, Fajar Mulya.
A. Saleh, "Implementasi Metode Klasifikasi Naive Bayes dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga," Citec Journal, vol. 2, no. 3, 2015.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal MSA ( Matematika dan Statistika serta Aplikasinya)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
