Perbandingan Klassifikasi SMS Berbasis Support Vector Machine, Naive Bayes Classifier, Random Forest dan Bagging Classifier

Devi Irawan(1*), Eza Budi Perkasa(2), Yurindra Yurindra(3), Delpiah Wahyuningsih(4), Ellya Helmud(5)

(1) Institut Sains Dan Bisnis Atma Luhur
(2) Institut Sains Dan Bisnis Atma Luhur
(3) Institut Sains Dan Bisnis Atma Luhur
(4) Institut Sains Dan Bisnis Atma Luhur
(5) Institut Sains Dan Bisnis Atma Luhur
(*) Corresponding Author

Abstract


Short message service (SMS) adalah salah satu media komunikasi yang penting untuk mendukung kecepatan pengunaan ponsel oleh pengguna. Sistem hibrid klasifikasi SMS digunakan untuk mendeteksi sms yang dianggap sampah dan benar. Dalam penelitian ini yang diperlukan adalah mengumpulan dataset SMS, pemilihan fitur, prapemrosesan, pembuatan vektor, melakukan penyaringan dan pembaharuan sistem. Dua jenis klasifikasi SMS pada ponsel saat ini ada yang terdaftar sebagai daftar hitam (ditolak) dan daftar putih (diterima). Penelitian ini menggunakan beberapa algoritma seperti support vector machine, Naïve Bayes classifier, Random Forest dan Bagging Classifier. Tujuan dari penelitian ini adalah untuk menyelesaikan semua masalah SMS yang teridentifikasi spam yang banyak terjadi pada saat ini sehingga dapat memberikan masukan dalam perbandingan metode yang mampu menyaring dan memisahkan sms spam dan sms non spam.  Pada penelitian ini menghasilkan bahwa Bagging classifier algorithm ini mendapatkan ferformance score tertinggi dari algoritma yang lain yang dapat dipergunakan sebagai sarana untuk memfiltrasi SMS yang masuk ke dalam inbox pengguna dan Bagging classifier algorithm dapat memberikan hasil filtrasi yang akurat untuk menyaring SMS yang masuk.

Keywords


Short Message Service (SMS); Support Vector Machine; Naïve Bayes; Random Forest; Bagging Classifier; ham; spam.

Full Text:

PDF

References


Dea Delvia Arifin: Shaufiah: Moch. Arif Bijaksana (2016). Enchanging Spam Detection On Mobile Phone Short Message Service (SMS). Performance Using Fp-Growth and Naïve Bayes Classifier. IEEE Asia Psific Cobference On Wireles And Mobile (APWIMOB)

Dewi, I. N., & Supriyanto, C. (2013). Klasifikasi Teks Pesan Spam Menggunakan Algoritma Naïve Bayes. Semantik, 3(1).

Sethi, G., & Bhootna, V. (2014). SMS spam filtering application using Android. Int. J. Comput. Sci. Inf. Technol, 5(3), 4624–4626.

Asoke K. Talukder, Moblie Computing, 2005.

Dan, B., Untuk, C., Sms, K. dan Sari, R. (2017) “Komparasi Algoritma Support Vector Machine , Naïve,” 2(2), hal. 7–13.

Informasi, J. T., Munitasri, I., Santosa, S., Supriyanto, C., Tenik, P., Universitas, I., Nuswantoro, D. dan Semarang, P. N. (2018) “ALGORITMA NAIVE BAYES DENGAN SELEKSI,” 14.

Feldman, R, Sanger, J, (2007), “The Text Mining Handbook : Advanced Approaches in Analyzing Unstructured Data”. New York: Cambridge University Press

Elly, S., Mira, K. S. & Alfian, A. G., 2015. Implementasi Metode Support Vector Machine untuk Melakukan Klasifikasi Kemacetan Lalu Lintas Pada Twitter. Makassar, S1 Universitas Telkom.

Perdana, A. dan Furqon, M. T. (2018) “Penerapan Algoritma Support Vector Machine ( SVM ) Pada Pengklasifikasian Penyakit Kejiwaan Skizofrenia ( Studi Kasus : RSJ . Radjiman Wediodiningrat , Lawang ),” 2(9), hal. 3162–3167.

J. Chen, Z. Dai, J. Duan, H. Matzinger, and I. Popescu, “Naive Bayes with Correlation Factor for Text Classification Problem,” in 2019 18th IEEE International Conference On Machine Learning And Applications (ICMLA), 2019, pp. 1051–1056, doi: 10.1109/ICMLA.2019.00177.

Prasetio, R. T. (2015) “PENERAPAN TEKNIK BAGGING,” II(2), hal. 395–403.

Putra, D. S., Wibawa, A. D. dan Purnomo, M. H. (2016) “BERJALAN MENGGUNAKAN RANDOM FOREST,” 1(1), hal. 51–56.

Saleh, A. (2015) “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” 2(3), hal. 207–217.

Zuviyanto, E., Adji, T. B. dan Setiawan, N. A. (2018) “PERBANDINGAN ALGORITME-ALGORITME PEMBELAJARAN,” hal. 20–26.




DOI: https://doi.org/10.32736/sisfokom.v10i3.1302

Refbacks

  • There are currently no refbacks.


Indexed By:

 


Creative Commons License
Jurnal Sisfokom (Sistem Informasi dan Komputer) has ISSN 2301-7988 and e-ISSN 2581-0588 which is published by Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) ISB Atma Luhur under a Creative Commons Attribution-ShareAlike 4.0 International License.
Web Analytics Made Easy - StatCounter