PERBANDINGAN ALGORITMA NAÏVE BAYES, SVM, DAN DECISION TREE UNTUK KLASIFIKASI SMS SPAM

Autor:	Ahmad Yusuf, Devinta Nurul Fitriana, Niken Ayu Setifani
Rok vydání:	2020
Předmět:	Support vector machine Naive Bayes classifier Computer science business.industry Decision tree Artificial intelligence Machine learning computer.software_genre business computer
Zdroj:	JUSIM (Jurnal Sistem Informasi Musirawas). 5:153-160
ISSN:	2614-8706 2541-190X
DOI:	10.32767/jusim.v5i02.956
Popis:	Perkembangan teknologi semakin memudahkan kegiatan manusia dan hampir semua kalangan memiliki ponsel. Sehingga ponsel menjadi alat yang penting dalam berkomunikasi bagi kebanyakan orang terutama SMS. Banyaknya pesan yang masuk bisa tidak memungkinkan untuk mengklasifikasikan SMS spam secara manual. Untuk itu dilakukan pengklasifikasian SMS spam menggunakan teknik klasifikasi dalam data mining. Banyaknya algoritma yang tersedia memungkinkan kita untuk menggunakan salah satunya sebagai algoritma terbaik untuk klasifikasi SMS spam. Untuk itu dilakukan pengujian beberapa algoritma klasifikasi dengan dataset SMS yaitu algoritma Naïve Bayes, Decision Tree dan SVM. Dari hasil Analisa pengujian didapatkan bahwa algoritma Naïve Bayes memiliki kemampuan yang lebih baik dibandingkan algoritma SVM dan Decision Tree. Karena nilai recall algoritma Naïve Bayes sebesar 0.93 pada kelas SMS fraud dan 0.92 pada kelas SMS promo, sedangkan f1-score algoritma Naïve Bayes lebih tinggi dibanding algoritma lainnya dan nilai accuracy Naïve Bayes sebesar 0.94.
Databáze:	OpenAIRE
Externí odkaz:	https://explore.openaire.eu/search/publication?articleId=doi_________::152f368c6e145f49dc10901d4b0a9dcb https://doi.org/10.32767/jusim.v5i02.956 Zobrazit plný text záznamu