EFEKTIFITAS ALGORITMA NAÏVE BAYES DALAM MENDETEKSI PESAN SPAM PADA WHATSAPP

Abstract

WhatsApp merupakan sebuah aplikasi media sosial yang dirancang untuk memudahkan penggunanya dalam berkomunikasi melalui berbagai macam fitur yang tersedia. Tujuan dari penelitian ini adalah menampilkan hasil pengujian akurasi dan kinerja algoritma Naive Bayes dalam mendeteksi spam chat pada Whatsapp. Dataset chat Whatsapp berupa kumpulan pesan-pesan tersebut akan diolah terlebih dahulu dengan dibagi ke dalam tiga kategori. Tiga kategori tersebut adalah pesan normal, pesan promosi, dan pesan penipuan. Perpustakaan yang digunakan untuk mendeteksi spam whatsapp meliputi Scikit-learn, Pandas, Numpy, dan nltk. Selanjutnya, penelitian ini meggunakan algoritma naïve bayes dalam pendeteksiannya. Keuntungan dalam menggunakan metode NBC yaitu tidak perlu membutuhkan dataset yang banyak untuk dapat menentukan perkiraan tolak ukur yang diperlukan dalam proses klasifikasi. Hasil dari sistem pendeteksian pesan spam ini adalah hasil dari kategori pada pesanpesan tersebut. Untuk mengukur kinerja dari sistem ini, penelitian ini juga menggunakan F-Measure agar dapat menghitung hasil kinerja sistem dan memperoleh hasil yang akurat. Berdasarkan perhitungan pengujian sistem dengan menggunakan 150 dataset berupa pesan spam untuk di latih dan di uji menunjukkan hasil akurasi algoritma adalah 83,33% dan mendapatkan F1 skor 90%