ETD - UIR

Electronic Thesis and Dissertation

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
    Member Login Online Registration
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject NPM Advanced Search

Last search:

{{tmpObj[k].text}}
Image of KLASIFIKASI EMAIL SPAM DAN NON-SPAM MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES BERBASIS FITUR HIBRIDA (STRUKTURAL DAN TEKSTUAL) UNTUK OPTIMALISASI AKURASI FILTERISASI
Bookmark Share

Text

KLASIFIKASI EMAIL SPAM DAN NON-SPAM MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES BERBASIS FITUR HIBRIDA (STRUKTURAL DAN TEKSTUAL) UNTUK OPTIMALISASI AKURASI FILTERISASI

RIDHO RAFELINO WAHYUDI - Personal Name; Yudhi Arta - Personal Name;

Email merupakan salah satu media komunikasi digital yang banyak digunakan, namun juga rentan terhadap penyebaran pesan spam yang dapat mengganggu pengguna dan berpotensi menimbulkan kerugian. Penelitian ini bertujuan membangun model klasifikasi email spam menggunakan algoritma Multinomial Naïve Bayes dengan pendekatan hybrid feature yang menggabungkan fitur tekstual TF-IDF dan fitur struktural email. Dataset yang digunakan merupakan hasil penggabungan Enron Spam Dataset dan SpamAssassin Dataset dengan total 11.368 data, kemudian setelah proses preprocessing diperoleh 11.330 data yang siap digunakan. Penelitian menerapkan tahapan text preprocessing, ekstraksi fitur struktural, transformasi logaritmik, normalisasi menggunakan MinMaxScaler, serta pembobotan fitur struktural melalui Stratified 5-Fold Cross Validation. Pengujian dilakukan pada tiga skenario pembagian data, yaitu 70:30, 75:25, dan 80:20. Hasil penelitian menunjukkan bahwa model hybrid Multinomial Naïve Bayes mampu memberikan performa yang lebih baik dibandingkan model baseline berbasis TF-IDF saja. Performa terbaik diperoleh pada skenario pembagian data 80:20 dengan bobot fitur struktural sebesar 5, menghasilkan nilai accuracy sebesar 97,57%, precision sebesar 97,40%, recall sebesar 92,06%, dan F1-score sebesar 94,66%. Hasil tersebut menunjukkan bahwa penggabungan fitur tekstual dan fitur struktural efektif dalam meningkatkan kemampuan deteksi email spam sehingga dapat digunakan sebagai solusi klasifikasi email spam secara otomatis


Availability
#
Teknik Informatika (FAKULTAS TEKNIK UNIVERSITAS ISLAM RIAU PEKANBARU) Location name is not set
ETD6058II
Available but not for loan - ETD
Detail Information
Call Number
-
Language
Indonesia
NPM
223510171
Publisher
Teknik Informatika : Universitas Islam Riau., 2026
Keyword(s)
email spam
Multinomial Naïve Bayes
TF-IDF
fitur struktural
hybrid feature
Other Information
Petugas
Ayu Agustina
Other version/related

No other version available

File Attachment
  • Please login to see this attachment
Comments

You must be logged in to post a comment

ETD - UIR
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?