Implementasi Algoritma Regresi Logistik untuk Binary Classification dalam Spam SMS dan WhatsApp
DOI:
https://doi.org/10.29407/inotek.v7i1.3413Abstract
WhatsApp merupakan layanan seperti pengiriman pesan; panggilan suara dan video; serta pengiriman dokumen dan media; telah menjadi pilihan yang sangat digemari oleh masyarakat di seluruh dunia. Meskipun demikian; aplikasi ini juga seringkali menjadi tempat penyebaran spam; yang dapat berupa penipuan; promosi; atau bentuk negatif lainnya. Meskipun terdapat berbagai upaya untuk mengklasifikasikan spam SMS berbahasa Inggris dengan menggunakan algoritma regresi logistik; namun masih sangat jarang ditemukan SMS dan WA dalam bahasa Indonesia. Oleh karena itu; penelitian ini bertujuan untuk melakukan klasifikasi biner pada data ham dan spam menggunakan metode algoritma regresi logistik pada 10793 data; dengan 10038 ham dan 775 spam. Penelitian ini juga menghasilkan lima matriks evaluasi yang dapat membantu memvisualisasikan hasil model yang telah dihasilkan; serta beberapa dekomposisi data untuk menemukan hasil terbaik selama proses pembuatan model; berdasarkan penelitian sebelumnya.; menghasilkan Accuracy = 7525 (0;9703593923675435); Precision = 5050 (0;9753694581280288); Recall = 8020 (0;6385542168674698); F1-score = 8020 (0;7653429602888085) dan ROC dengan nilai AUC = 7525 (0;987168100907698).
Keywords:
Algoritma Logistik Regresi, Klasifikasi Biner, Pembelajaran Mesin, Pesan Spam dan Ham, Python##plugins.themes.default.displayStats.downloads##
References
H. Yandhi; "Prototype E-Polling Berbasis Sms Gateway Pada Pemilihan Ketua Rw. 06 Perum. Bugel Mas Indah;" Ict Learning; vol. 3; no. 1; pp. 45-64; 2017.
A. Febriyanti; "Analisis Sentimen Persepsi Pengguna Jne Menggunakan Algoritma Naïve Bayes Classifier;" 16522259; 2018.
R. Kumari and S. K. Srivastava; "Machine Learning: A Review On Binary Classification;" International Journal Of Computer Applications; vol. 160; no. 7; 2017.
F. Syadid; "Analisis Sentimen Komentar Netizen Terhadap Calon Presiden Indonesia 2019 Dari Twitter Menggunakan Algoritma Term Frequency-Invers Document Frequency (Tf-Idf) Dan Metode Multi Layer Perceptron (Mlp) Neural Network;" BS thesis; Fakultas Sains Dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta; 2019.
T. E. Sutanto; "Deteksi Berita Hoax Pada Website Turnbackhoax Dengan Menggunakan Machine Learning;" BS thesis; Fakultas Sains Dan Teknologi UIN Syarif Hidayatullah Jakarta.
S. S. Septiani; "Klasifikasi Mengkudu Berdasarkan Warna Dan Tekstur Menggunakan Metode Support Vector Machine (SVM);" dissertation; Universitas Muhammadiyah Gresik; 2016.
K. W. Patunduk et al.; "Pemodelan Pasien Covid-19 Di Kota Palopo Dengan Regresi Logistik (Studi Perbandingan Regresi Logistik Dan Analisis Survival);" Proximal: Jurnal Penelitian Matematika Dan Pendidikan Matematika; vol. 5; no. 2; pp. 260-269; 2022.
H. Yan et al.; "Mfe-Net: Multi-Type Feature Enhancement Net For Retinal Blood Vessel Segmentation;" in 2022 5th International Conference On Artificial Intelligence And Big Data (Icaibd); 2022.
N. A. Gusti; "Analisis Sentimen Terhadap Perkuliahan Jarak Jauh Di Masa Pandemi Covid-19 Pada Media Sosial Twitter Menggunakan Textblob Dan Algoritma Support Vector Machine (SVM);" BS thesis; Fakultas Sains Dan Teknologi UIN Syarif Hidayatullah Jakarta.
S. W. Sidehabi; "Implementasi Mesin Pemilah Buah Markisa Berdasarkan Tingkat Kematangan Berbasis Visi Komputer;" dissertation; Universitas Hasanuddin; 2019.
F. W. Giffary; "Text Classification Untuk Mendeteksi Spam Di Media Sosial Twitter Menggunakan Tf-Idf Dan Algoritma Multilayer Perceptron;" dissertation; Universitas Pembangunan Nasional "Veteran" Yogyakarta; 2022.
Z. M. Yusuf and R. M. Awangga; "Deteksi Spam Sms Menggunakan Naive Bayes;" Penerbit Buku Pedia; 2023.
B. N. Azmi; A. Hermawan; and D. Avianto; "Analisis Pengaruh Komposisi Data Training Dan Data Testing Pada Penggunaan Pca Dan Algoritma Decision Tree Untuk Klasifikasi Penderita Penyakit Liver;" JTIM: Jurnal Teknologi Informasi Dan Multimedia; vol. 4; no. 4; pp. 281-290; 2023.
R. M. Pradhana; "Analisis Sentimen Publik Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Skala Mikro Menggunakan Algoritma Support Vector Machine Studi Kasus Twitter;" dissertation; Universitas Dinamika; 2021.
N. I. Putri; "Deep Learning Dan Teknologi Big Data Untuk Keamanan Iot;" Computing| Jurnal Informatika; vol. 7; no. 1; pp. 48-73; 2020.
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Ana Nur Rani Hasanah, Rr. Artiana Krestianti, Sutresna Wati
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
