Efektifitas Algoritma Naive Bayes dalam mendeteksi pesan spam dalam Short Message Service Smartphone

INDONESIA:

Dengan perkembangan teknologi yang pesat, akses informasi saat ini juga semakin mudah serta lebih cepat diakses. Kemudahan penyebaran informasi memiliki dampak yang baik untuk masyarakat. Seiring dengan dampak positif yang dimiliki oleh kemudahan akses informasi, perkembangan tersebut juga memiliki dampak negative bagi masyarakat. Salah satunya adalah penyebaran informasi yang bertujuan menyimpang. Contoh dari penyebaran menyimpang tersebut adalah penyebaran pesan spam khsusnya pada perangkat smartphone yang dimiliki oleh kebanyakan masyarakat.. Penyebaran informasi spam tersebut juga dapat dihindari dengan teknologi informasi. Penelitian ini memanfaatkan teknologi informasi dalam melakukan klasifikasi pesan-pesan mana yang merupakan pesan yang berisi informasi spam. Teknik Klasifikasi menggunakan algoritma Naïve Bayes yang nantinya akan mengkategorikan pesan-pesan ke dalam 3 kategori, yaitu pesan normal, pesan promosi, dan juga pesan spam. Pada pengujian di penelitian ini, 50 buah pesan masuk diuji dengan membandingkan masing-masing pesan kepada himpunan 300 pesan yang sudah teruji dan 600 pesan yang sudah teruji, lalu hasilnya dibandingkan. Untuk pengujian terhadap himpunan 300 pesan teruji, akurasi yang didapatkan sebesar 89% sedangkan untuk pengujian pesan terhadap 600 pesan teruji menhasilkan akurasi sebesar 86%.

ENGLISH:

Along with rapid development of technology, information also spread easier and faster. The rapid spread of information has some good impact towards society. Along with those good impact, some negative also comes along with it. One of them is the spread of false information or some straight up false news. One of the example is the spread of spam messages especially in smartphone. The spread of spam information can be avoided with information technology. This research use naive bayes as classification technique. The purpose of the research is to be able to categorize incoming message into three specifics category, which is normal message, promotion message, and scam message. From the research of 50 incoming message towards 300 set of tested message, the accuration of algorithm reaches 89% while experiment towards 600 set of tested meesage, the accuaration reaches 86%.