Mubarikah, Azzahra (2021) Klasifikasi Spam Pada Email Menggunakan Long Short-Term Memory (LSTM) Dan Support Vector Machine (SVM) = Spam Classification In Email Using Long Short-Term Memory (LSTM) And Support Vector Machine (SVM). Skripsi thesis, Universitas Hasanuddin.
H071171524_skripsi_cover1.jpg
Download (232kB) | Preview
H071171524_skripsI_bab 1-2.pdf
Download (1MB)
H071171524_skripsi_daftar pustaka.pdf
Download (939kB)
H071171524_skripsi.pdf
Restricted to Repository staff only
Download (3MB)
Abstract (Abstrak)
Teknologi, informasi dan komunikasi telah berkembang dengan pesat, khususnya dibidang internet. Dengan adanya internet setiap orang dapat mengirim dan menerima pesan dari orang satu ke orang lainnya yang lebih dikenal sebagai email. Eletronic mail (email) merupakan media komunikasi yang murah, cepat dan mudah penggunaannya, memiliki sifat data berupa teks yang semi terstruktur dan memiliki dimensi yang tinggi. Penggunaan email yang sangat intens menimbulkan penyalahgunaan email sehingga berpotensi untuk merugikan orang lain biasa kita kenal sebagai spam. Email spam adalah e-mail yang dikirimkan kepada ribuan penerima (recipient) yang pada umumnya berisi akan konten-konten merugikan dan berbahaya. Para pengguna email tidak perlu khawatir dengan adanya spam tersebut, karena akan diklasifikasi menggunakan metode algoritma long short-term memory dan support vector machine. Long Short-Term memory (LSTM) merupakan struktur lanjutan dari Recurrent Neural Network (RNN) yang dapat menangani masalah klasifikasi text. Support Vector Machine (SVM) merupakan salah satu metode yang memberikan hasil terbaik untuk klasifikasi pada data biner. Hasil penelitian klasifikasi spam menggunakan Long Short-Term memory (LSTM) dengan nilai Accuracy 99,1%, f1-score pada kelas spam sebesar 96,2% dan f1-score pada kelas ham sebesar 99,4%. dan Support Vector Machine (SVM) dengan nilai Accuracy 97,4%, f1-score pada kelas spam sebesar 88,6% dan f1-score pada kelas ham sebesar 98,5%. Menunjukkan bahwa Long Short-Term memory (LSTM) lebih baik dibandingkan dengan Support Vector Machine (SVM).
Keywords : Email, Long Short-Term Memory, Support Vector Machine
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | Q Science > QA Mathematics |
Divisions (Program Studi): | Fakultas Matematika dan Ilmu Peng. Alam > Matematika |
Depositing User: | S.Sos Rasman - |
Date Deposited: | 13 Jun 2022 03:05 |
Last Modified: | 13 Jun 2022 03:05 |
URI: | http://repository.unhas.ac.id:443/id/eprint/16532 |