Implementasi dan Analisa E-mail Spam Filtering Menggunakan Granular Support Vector Machines dengan Association Rule (GSVM-AR)

Angga Pratama

Informasi Umum

Kode

113070321

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Rekayasa Perangkat Lunak

Dilihat

1 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: E-mail spam sering didefinisikan sebagai e-mail yang tidak diminta dan dikirim dalam jumlah besar. E-mail spam umumnya berupa e-mail iklan, tawaran untuk bergabung ke Multi Level Marketing (MLM), undian, informasi palsu, phising, dan penipuan. Biaya untuk mengirimkan e-mail spam sangat kecil. Kerugian pelanggan tidak hanya waktu yang terbuang untuk memilah e-mail, seluruh layanan online dibebankan kepada pelanggan, bukan kepada pengirim e-mail spam. <br><br> E-mail spam filtering adalah sebuah metode klasifikasi yang dapat menjadi solusi untuk masalah e-mail spam. Dalam tugas akhir ini akan dibuat salah satu metode klasifikasi yang dapat diimplementasikan menjadi e-mail spam filtering, yaitu Granular Support Vector Machines – Association Rule (GSVM-AR). GSVM-AR mengoptimalisasikan metode Support Vector Machine (SVM) yang terkenal dengan menambahkan paradigma Granular Computing dan metode Association Classification, dalam hal ini algoritma Apriori-TFPC. Kedua penambahan dilakukan semata-mata hanya untuk meningkatkan akurasi dari sistem yang akan dibuat.Kata Kunci : e-mail spam, e-mail spam filtering, klasifikasi, granular computing, association rule, support vector machine.ABSTRACT: E-mail spam often defined by a bulk and unsolicited e-mail. A common type of e-mail spam is a advertisement, Multi Level Marketing (MLM) offer, gambling, scam, phising, and fraud. The sending cost of e-mail spam is very low. The disadvantages for user are, not only they wasting their time to sort e-mail, all online services will be charged to the users, not to the e-mail spam sender. <br><br> E-mail spam filtering is a classification method that could be a solution to e-mail spam problem. In this final project, we will build a classification method that can be implemented to be an e-mail spam filtering is Granular Support Vector Machines – Association Rule (GSVM-AR). GSVM-AR optimize a well-known Support Vector Machine (SVM) method with addition of Granular Computing paradigm and a Association Classification method, in this case is the Apriori-TFPC algorithm. This two addition serves no other means only to enchance the system's accuracy that will be build.Keyword: e-mail spam, e-mail spam filtering, classification, granular computing, association rule, support vector machine.