Komparasi Algoritma Naïve Bayes dan Support Vectors Machine pada Analisis Sentimen SMS HAM dan SPAM
DOI:
https://doi.org/10.29408/jit.v4i2.3665Keywords:
Klasifikasi, Naive bayes, SMS, Support Vector MachineAbstract
SMS merupakan bentuk komunikasi berupa SMS yang dikirimkan menggunakan handphone antar nomor yang di tuju. SMS saat ini sudah jarang digunakan karena fungsinya banyak berubah digantikan oleh aplikasi chat. Tetapi ditur SMS tidak dihilangkan karena satu dah lain hal, SMS resmi dari berbagai aplikasi untuk melakukan verifikasi ataupun info-info resmi lainnya masih menggunakan SMS sebagai tanda nomer telepon yang digunakan itu ada. Tetapi sejak 2011 banyak sekali penyelahgunaan fungsi tersebut sehingga disinyalir banyak penipuan yang menggunakan SMS sebagai alat mempengaruhi korban. Kategori penyalahgunaan sms ini masuk kepada SMS spam. Maka dari itu SMS perlu diklasifikasikan agar pengguna dapat mengetahui SMS tersebut termasuk kedalam kategori Spam atau ham (kebalikan dari spam). Dengan menggunakan 400 dataset yang diambil dari UCI repository yang dibagi kedalam dua class yaitu spam dan ham kami membandingkan dua metode klasifikasi yaitu Naive Bayes dan Support vector Machine agar dapat mendapatkan filtering sms dengan benar. Dan setelah dilakukan perhitungan didapatkan accurasy yang akurat pada naive Bayes Yaitu sebesar 90.00% sedangkan Support Vector Machine 81.00%.References
I. MUTIA, “Perancangan Sistem Informasi Akademik Dengan Teknologi Short Message Service (Sms) Pada Xyz,†Tek. Inform., vol. 7, no. 3, p. 13, 2014.
R. Toyib, I. Bustami, D. Abdullah, and O. Onsardi, “Penggunaan Sensor Passive Infrared Receiver (PIR) Untuk Mendeteksi Gerak Berbasis Short Message Service Gateway,†Pseudocode, vol. 6, no. 2, pp. 114–124, 2019, doi: 10.33369/pseudocode.6.2.114-124.
R. R. dkk Lumbanraja, “PERTANGGUNGJAWABAN PIDANA PELAKU PENGHINAAN MELALUI LAYANAN SMS SINGKAT ATAU SMS (SHORT MESSAGE SERVICE),†USU Law J., vol. 5, no. 1, pp. 107–118, 2017.
J. Miranda, “SHORT MESSAGE SERVICE (SMS) DITINJAU MENURUT PASAL 184 KITAB UNDANG- UNDANG HUKUM PIDANA UU NO. 8 TAHUN 1981,†Lex Soc., vol. 5, no. 9, pp. 14–21, 2017.
N. K. Nagwani and A. Sharaff, “SMS spam filtering and thread identification using bi-level text classification and clustering techniques,†J. Inf. Sci., vol. 43, no. 1, pp. 75–87, 2017, doi: 10.1177/0165551515616310.
B. Indiarto, “Klasifikasi Sms Spam Dengan Metode Naive Bayes Classifier Untuk Menyaring SMS Melalui Selular,†J. Telemat. MKOM, vol. 8, no. 2, pp. 167–172, 2016.
A. Mair, Zaid Romegar; Ashari, “Aplikasi untuk Identifikasi Short Message Service (SMS) Spam Berbasis Android,†Bimipa, vol. 24, no. 3, pp. 257–262, 2017.
K. Zainal, N. F. Sulaiman, and M. Z. Jali, “An Analysis of Various Algorithms For Text Spam Classification and Clustering Using RapidMiner and Weka,†Int. J. Comput. Sci. Inf. Secur., vol. 13, no. 3, pp. 66–74, 2015.
N. N. A. Sjarif, Y. Yahya, S. Chuprat, and N. H. F. M. Azmi, “Support vector machine algorithm for SMS spam classification in the telecommunication industry,†Int. J. Adv. Sci. Eng. Inf. Technol., vol. 10, no. 2, pp. 635–639, 2020, doi: 10.18517/ijaseit.10.2.10175.
K. S. Kawade, D. R., & Oza, “SMS Spam Classification using WEKA,†Int. J. Electron. Commun. Comput. Technol., vol. 5, no. April, pp. 43–47, 2015.
andi nurul Hidayat, “Analisis Sentimen Terhadap Wacana Politik Pada Media Masa Online Menggunakan Algoritma Support Vector Machine Dan Naive Bayes,†J. Elektron. Sistim Inf. Dan Komput., vol. 1, no. 1, pp. 1–7, 2015.
H. Tuhuteru and A. Iriani, “Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier,†J. Inform. J. Pengemb. IT, vol. 3, no. 3, pp. 394–401, 2018, doi: 10.30591/jpit.v3i3.977.
P. K. Roy, J. P. Singh, and S. Banerjee, “Deep learning to filter SMS Spam,†Futur. Gener. Comput. Syst., vol. 102, pp. 524–533, 2020, doi: 10.1016/j.future.2019.09.001.
I. D. Dinov, Data science and predictive analytics: Biomedical and health applications using R. 2018.
T. Jo, Text Mining Concept, Implementation and Big Dta Challenge, vol. 36, no. 2. 2019.
G. H. Lewes, “Support Vector Machines for Classification,†pp. 39–66.
L. D. Utami, “Inti nusa mandiri,†Inti Nusa Mandiri, vol. 14, no. 2, pp. 133–138, 2020.
S. Ernawati and R. Wati, “Penerapan Algoritma K-Nearest Neighbors Pada Analisis Sentimen Review Agen Travel,†Khatulistiwa Inform., vol. VI, no. 1, 2018.
Emrald and K. M. Lhaksmana, “Klasifikasi Kategori Hadits Menggunakan Naive Bayes Classifier,†e-Proceeding Eng., vol. 6, no. 2, pp. 9848–9858, 2019.
Jayanta, H. Mahfud, and T. Pramiyati, “Analisis Pengukuran Self Plagiarism Menggunakan Algoritma Rabin-Karp dan Jaro-Winkler Dictance dengan Stemming Tala,†Semin. Nas. Teknol. Inf. dan Multimed., vol. 5, no. 1, pp. 1–6, 2017.
E. Manalu, F. A. Sianturi, and M. R. Manalu, “Penerapan Algoritma Naive Bayes Untuk Memprediksi Jumlah Produksi Barang Berdasarkan Data Persediaan dan Jumlah Pemesanan Pada CV. Papadan Mama Pastries,†J. Mantik Penusa, vol. 1, no. 2, pp. 16–21, 2017.
R. I. Nurachim, “Pemilihan Model Prediksi Indeks Harga Saham Yang Dikembangkan Berdasarkan Algoritma Support Vector Machine (SVM) Atau Multilayer Perceptron (MLP) Studi Kasus : Saham PT Telekomunikasi Indonesia Tbk,†J. Teknol. Inform. Komput., vol. 5, no. 1, pp. 29–35, 2019
Downloads
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggung jawab penuh penulis. Jurnal Infotek memberikan akses terbuka terhadap siapapun agar informasi dan temuan pada artikel tersebut bermanfaat bagi semua orang. Jurnal Infotek ini dapat diakses dan diunduh secara gratis, tanpa dipungut biaya sesuai dengan lisense creative commons yang digunakan.
Jurnal Infotek is licensed under a Creative Commons Attribution 4.0 International License.
Statistik Pengunjung
