Short Message Service atau SMS merupakan layanan yang memungkinkan untuk mengirim dan menerima pesan dalam bentuk teks pada perangkat telepon genggam. SMS spam adalah pesan yang tidak diinginkan, yang kita tidak ingin pesan tersebut berada di dalam kotak pesan kita. Salah satu cara untuk mengatasi masalah SMS spam tersebut adalah dengan melakukan klasifikasi terhadap teks SMS untuk menentukan spam menggunakan teknik machine learning. Penelitian ini melakukan eksperimen untuk membandingkan tingkat akurasi penerapan metode supervised learning menggunakan algoritma Naive Bayes (NB) Classifier, Iterative Dychotomizer Version 3 (ID3) dan Tree Augmented Naïve (TAN) Bayes Classifier dalam mengklasifikasikan data SMS. Supervised learning merupakan metode untuk mengklasifikasikan data berdasarkan label yang sudah ada. NB adalah klasifikasi data berdasarkan nilai peluang. ID3 adalah algoritma yang melakukan prosedur pencarian secara menyeluruh kepada semua kemungkinan yang akan terjadi. TAN adalah pengembangan dari NB dimana antar node atribut dapat saling memiliki ketergantungan. Berdasarkan hasil eksperimen yang dilakukan, dengan menggunakan pembagian data 70% data training dan 30% data testing diperoleh bahwa algoritma NB menghasilkan akurasi yang paling tinggi sebesar 96.21% dibandingkan dengan kedua algoritma yang lain. Sementara dengan menggunakan pembagian data 80% data training dan 20% data testing diperoleh bahwa algoritma ID3 menghasilkan akurasi yang paling tinggi sebesar 96.47% dibandingkan dengan kedua algoritma yang lain
Copyrights © 2019