Jurnal: Pengukuran Kinerja Spam Filter Menggunakan Graham's Naive Bayes Classifier

Jurnal: Pengukuran Kinerja Spam Filter Menggunakan Graham's Naive Bayes Classifier

Jurnal: Pengukuran Kinerja Spam Filter Menggunakan Graham's Naive Bayes Classifier

Abstrak 

Email spam telah menjadi masalah utama bagi pengguna dan penyedia jasa Internet. Pendekatan heuristic telah dilakukan untuk menyaring spam seperti black-listing atau rule-based filtering, namun hasilnya kurang memuaskan sehingga pendekatan berbasis konten (content-based filtering) menggunakan pengklasifikasi naïve Bayes lebih banyak digunakan saat ini. Penelitian ini bertujuan membandingkan pengklasifikasi naïve Bayes multinomial yang menggunakan atribut boolean dengan versi Graham, dan juga membandingkan kinerja dari dua metode untuk data latih, yaitu train-everything (TEFT) dan train-on-error (TOE). Hasil evaluasi menunjukkan bahwa naïve Bayes multinomial memiliki kinerja lebih baik dibanding versi Graham. Di samping itu, metode data latih menggunakan TEFT dapat meningkatkan akurasi model klasifikasi dibanding metode TOE. 

Kata kunci: filter spam, naïve Bayes, metode training 

Pendahuluan 

Pemanfaatan teknologi jaringan Internet yang semakin meningkat intensitasnya dewasa ini berdampak besar pada metode pengiriman surat. Jalur fisik yang semula menjadi pilihan semakin ditinggalkan dan digantikan oleh jalur pengiriman elektronik dalam bentuk electronic mail atau biasa disebut dengan email. Berbagai macam keunggulan yang dimiliki oleh email ternyata banyak disalahgunakan untuk mengirimkan pesan berbau komersial secara massal.

Peneliti: Julio Adi Santoso 

Untuk lebih lengkapnya silahkan download di link berikut:
Jurnal: Pengukuran Kinerja Spam Filter Menggunakan Graham's Naive Bayes Classifier