Pendekatan Naive Bayes Campuran untuk Klasifikasi Email Spam dengan Metode Machine Learning Lainnya

Abstract

Nowadays, email is a communication media that is often used in the digital era, with various advantages offered by email, accompanied by the rise of email spam which can disrupt the comfort of its users and accessibility on the email service provider platform. Using manual spam filtering techniques has proven to be very time-consuming and labor-intensive, so an alternative technique is needed that can perform sorting automatically using Machine Learning. This research aims to develop a form of spam detection model that uses a mixed Naive Bayes approach that combines various forms of TF-IDF feature representation with various statistical features that can calculate message length, number of capital letters, and various number of links, and compare its performance with various other algorithm approaches consisting of Support Vector Machine, Logistic Regression, and Random Forest, this study uses a public dataset containing examples of 5,572 emails containing important emails and spam emails combined. The evaluation form will be calculated using the metrics Accuracy, Precision, Recall, F1-Score, and Training Time. The results of the experiment explain that Naive Bayes with Mixture is able to produce an accuracy of 96.4% with advantages in calculating computational efficiency, but Random Forest has the highest accuracy level reaching 97.9%. So it shows that this research proves that Naive Bayes with various mixed approaches is worthy of being applied to an Email Spam detection system that requires high speed and efficiency.Sekarang, Email merupakan sarana media komunikasi yang sering dipakai dalam era digital, dengan berbagai kelebihan yang ditawarkan Email, diiringi juga dengan maraknya Spam Email yang bisa mengganggu kenyamanan penggunanya dan aksesibilitas pada platform penyedia layanan Email Tersebut. Dengan menggunakan tekhnik penyaringan spam secara manual terbukti sangat membuang banyak waktu dan tenaga sehingga diperlukan Teknik Alternatif yang bisa melakukan pensortiran secara otomatis yang menggunakan Pembelajaran Mesin. Dalam Penelitian ini bertujuan untuk Mengembangkan bentuk model deteksi Spam yang menggunakan Pendekatan Naive Bayes campuran yang memadukkan berbagai bentuk representasi fitur TF-IDF dengan berbagai fitur statistik yang bisa menghitung panjang pesan, Jumlah Huruf kapital, dan berbagai jumlah Tautan, dan membandingkan besar perfomanya dengan berbagai pendekatan algoritma yang lain yang terdiri atas Support Vector Machine, Logistic Regression, dan Random Forest, Penelitian ini Menggunakan Dataset Publik yang berisi contoh Dataset berjumlah 5.572 Email yang Berisi Email Penting dan Email Spam digabung. Bentuk Evaluasi akan dihitung menggunakan metrik Accuracy, Precision, Recall, F1-Score, dan Lama waktu Pelatihan, Hasil dari eksperimen menjelaskan bahwa Naive Bayes dengan Campuran mampu menghasilkan Akurasi sebesar 96.4% dengan Keunggulan dalam melakukan perhitungan efesiensi komputasi, Namun Random Forest memiliki tingkat Akurasi paling tinggi yang mencapai 97.9%. Sehingga menunjukkan bahwa penelitian ini membuktikkan bahwa Naive Bayes dengan berbagai pendekatan campuran ini layak diterapkan pada sistem pendeteksi Spam Email yang membutuhkan kecepatan dan Efesiensi yang tinggi.