Implementasi Naïve Bayes dan Gini Index untuk Klasifikasi Email Spam

FIKRI ROZAN IMADUDIN

Informasi Dasar

20.04.1272
006.31
Karya Ilmiah - Skripsi (S1) - Reference

Email adalah media informasi yang masih sering digunakan oleh orang-orang pada saat ini. Saat ini email masih memiliki masalah yang terus terjadi yaitu email spam. Email spam merupakan email yang dapat mengotori, merusak atau menganggu penerimanya. Pada penelitian ini Penulis menampilkan kinerja dan keakuratan Multinomial Naïve Bayes (MNNB) dan Complete Gini-Index Text (GIT) untuk digunakan didalam filterisasi email spam. Algoritma MNNB digunakan sebagai algoritma klasifikasi dan Complete Gini Index Text digunakan sebagai fitur seleksi untuk menentukan fitur subset terbaik yang dipakai dalam model klasifikasi. Pada penelitian ini kami menggunakan data Enron-Spam yang divalidasi menggunakan 6 cross-validasi pada mesin klasifikasi yang dibangun. Pada penelitian ini bahwa dengan menggunakan Multinomial Naïve Bayes yang dipadukan dengan GIT dapat meningkatkan hasil akurasi dan F1 jika dibandingkan dengan tanpa menggunakan seleksi fitur. GIT tersebut menggunakan 115000 fitur yang didapatkan dari uji seluruh fitur dengan kelipatan 5000. hasil optimal yang diperoleh, didapatkan dari MNNB dan GIT-C pada fold ke-6 yaitu 98.72% akurasi dan F1-\textit{score}. Hasil tersebut dibandingkan dengan hasil GIT-A, GIT-B dan CHI2.

Subjek

Machine Learning
 

Katalog

Implementasi Naïve Bayes dan Gini Index untuk Klasifikasi Email Spam
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

FIKRI ROZAN IMADUDIN
Perorangan
DANANG TRIANTORO MURDIANSYAH, ADIWIJAYA
 

Penerbit

Universitas Telkom, S1 Ilmu Komputasi
Bandung
2020

Koleksi

Kompetensi

  • CCH3F3 - KECERDASAN BUATAN
  • CIG4A3 - PEMBELAJARAN MESIN
  • CSH4O3 - PEMROSESAN BAHASA ALAMI
  • CII4G3 - PEMROSESAN BAHASA ALAMI

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini