Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Arif Sofyan, Mohamad
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
DETEKSI SMS SPAM BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Arif Sofyan, Mohamad; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9532

Abstract

Setiap individu membutuhkan akses informasi untuk memperluas pengetahuan mereka tentang berbagai hal. Salah satu metode yang populer dalam mengalirkan informasi adalah melalui layanan Short Message Service (SMS), Namun, penggunaan SMS dapat menimbulkan masalah dengan munculnya SMS spam (Sending and Posting Advertisement in Mass). SMS spam merupakan pesan teks yang tidak diinginkan atau diminta, seperti iklan, jasa, dan potensi penipuan yang dapat merugikan pengguna. Indonesia tercatat sebagai negara di Asia dengan jumlah pesan spam tertinggi pada tahun 2020. Untuk meminimalisir korban pesan spam di Indonesia, berbagai pendekatan perlu dilakukan, salah satunya melalui penyaringan spam SMS dengan cara mengklasifikasi SMS spam, algoritma yang dapat digunakan dalam masalah klasifikasi adalah Support Vector Machine (SVM). Serta menerapkan metode CRISP-DM (Cross Industry Standard Process for Data Mining) untuk mengembangkan model yang dapat memprediksi pesan spam atau normal, model yang sudah dibangun akan diimplementasikan kedalam Aplikasi Deteksi SMS Spam berbasis Streamlit, yang memungkinkan pengguna dapat dengan mudah menguji pesan SMS yang mereka terima, untuk mengidentifikasi apakah pesan tersebut termasuk dalam kategori spam atau normal. Hasil penelitian ini menunjukan bahwa model SVM yang telah dibangun berjalan dengan baik dengan menghasilkan tingkat accuracy sebesar 96,94%.
Co-Authors Danar Dana, Raditya Nining Rahaningsih