Sistem Deteksi Spam Email Menggunakan Machine Learning
DOI:
https://doi.org/10.29407/xgsq8r66Keywords:
Deteksi Spam, Email, Machine Learning, Regresi Logistik, TF-IDFAbstract
Perkembangan teknologi informasi mendorong peningkatan penggunaan email sebagai media komunikasi digital, namun di sisi lain juga meningkatkan jumlah spam email yang berpotensi mengganggu kenyamanan dan keamanan pengguna. Oleh karena itu, diperlukan sistem deteksi spam email yang mampu bekerja secara otomatis dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi spam email menggunakan pendekatan machine learning dengan algoritma Regresi Logistik. Metode penelitian meliputi pengumpulan dataset email berbahasa Indonesia, preprocessing teks, ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), pelatihan dan pengujian model, serta evaluasi kinerja sistem. Pengujian dilakukan menggunakan pembagian data 80% untuk data latih dan 20% untuk data uji. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi sebesar 97,38%, dengan nilai precision, recall, dan F1-score yang seimbang pada kedua kelas spam dan non-spam. Selain itu, model diimplementasikan dalam bentuk aplikasi berbasis Streamlit sehingga dapat digunakan secara interaktif. Hasil penelitian ini menunjukkan bahwa kombinasi TF-IDF dan Regresi Logistik efektif untuk mendeteksi spam email berbahasa Indonesia dan berpotensi diterapkan sebagai sistem penyaringan email otomatis.
Downloads
References
[1] M. Danuri, “Perkembangan Dan Transformasi Teknologi Digital,” Jurnal Ilmiah Infokam, vol. 15, no. 2, pp. 116–123, 2019, doi: 10.53845/infokam.v15i2.178.
[2] M. Soleh and Z. Tjenreng, “Strategi Pencegahan Kebocoran Data Pelayanan Publik Di Era Digital,” Jurnal Kajian Pemerintah: Journal of Government, Social and Politics, vol. 11, no. 1, pp. 1–10, 2024, doi: 10.25299/jkp.2025.vol11(1).20524.
[3] D. Septiani and I. Isabela, “Term Frequency Inverse Document Frequency (Tf-Idf) Analysis in Information Retrieval in Text Documents,” Jurnal Sistem dan Teknologi Informasi Indonesia(SINTESIA), vol. 1, no. 2, pp. 81–88, 2022.
[4] A. Atikah Putri, S. Agustian, and R. Abdillah, “Penerapan Metode Logistic Regression Untuk Klasifikasi Sentimen Pada Dataset Twitter Terbatas,” Jurnal Sistem Informasi, vol. 7, no. 1, pp. 95–107, 2025.
[5] J. Riset, B. C. Utomo, and A. A. Rahman, “Analisis Kesadaran Keamanan Data Pribadi pada Pengguna E-Wallet Analysis of Personal Data Security Awareness of DANA E-Wallet Users,” vol. 8, no. 2, pp. 155–166, 2024.
[6] A. D. Meisya Putri, N. Sulistianingsih, and R. Rismayati, “JTIM : Jurnal Teknologi Informasi dan Multimedia Pengaruh Teknik Representasi Teks Bag-of-Words dan TF-IDF,” vol. 7, no. 4, pp. 675–688, 2025.
[7] A. Nur, R. Hasanah, R. A. Krestianti, and S. Wati, “Implementasi Algoritma Regresi Logistik untuk Binary Classification dalam Spam SMS dan WhatsApp,” Inotek, vol. 7, pp. 80–93, 2023, [Online]. Available: https://proceeding.unpkediri.ac.id/index.php/inotex/
[8] D. H. Tanjung, “Jaringan Saraf Tiruan dengan Backpropagation untuk Memprediksi Penyakit Asma,” Creative Information Technology Journal, vol. 2, no. 1, p. 28, 2015, doi: 10.24076/citec.2014v2i1.35.
[9] R. Fauzan, A. V. Vitianingsih, D. Cahyono, A. L. Maukar, and Y. A. B. Suprio, “Application of Classification Algorithms in Machine Learning for Phishing Detection,” Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 2, pp. 531–540, 2025.
[10] T. Tukino, “Penerapan Algoritma Convolutional Neural Network Untuk Klasifikasi Sentimen Pada Layanan e-Commerce,” Jurnal Desain Dan Analisis Teknologi, vol. 4, no. 1, pp. 44–53, 2025, doi: 10.58520/jddat.v4i1.72.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Aldo Aditya Saputra, Rahmat Nanda Eka Saputra
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
