Publisher

UNRAMUNRAM

Journal Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA ) Abstract

Short Message Service (SMS) has evolved in the last few decades. The simplicity of SMS makes this short message service attractive to use as a direct communication service on mobile devices. As the popularity of this service increases, it also harms attacks on mobile devices such as SMS spam. Spam SMS are short messages that the recipient doesnt want, such as advertisements and scams. Spam SMS can overwhelm your inbox and make your mobile device experience less good. One way to overcome this problem is to implement a machine learning model to automatically recognize and filter Spam SMS. This research aims to build a machine learning model that provides higher accuracy for detecting SMS spam in Indonesian using the TF-IDF method and the Stochastic Gradient Descent Classifier. Based on the test results, the model built can detect SMS spam and not spam with an accuracy of 97%.

Conclusion

Penelitian ini menghasilkan model deteksi SMS spam berbahasa Indonesia yang cukup baik dengan akurasi 97% menggunakan metode TF-IDF dan SGD Classifier.Penggunaan metode tersebut menunjukkan performa yang lebih baik dibandingkan metode yang digunakan pada penelitian sebelumnya, yaitu SVM dan NBC.Penggunaan stopword dalam pra-proses teks justru menurunkan performa model, sehingga perlu dipertimbangkan pemilihan daftar stopword yang lebih sesuai untuk klasifikasi SMS spam.

Future Research

Penelitian lanjutan dapat difokuskan pada pengembangan daftar stopword yang lebih spesifik untuk SMS spam berbahasa Indonesia, dengan mempertimbangkan karakteristik bahasa dan pola yang umum digunakan dalam pesan spam. Selain itu, eksplorasi metode pembobotan fitur alternatif, seperti metode yang menggabungkan informasi kelas dari dataset, dapat meningkatkan akurasi deteksi spam. Terakhir, penelitian dapat diperluas dengan mengintegrasikan teknik deep learning, seperti recurrent neural networks (RNN) atau transformers, untuk menangkap dependensi kontekstual dalam teks SMS dan meningkatkan kemampuan model dalam mengidentifikasi pola-pola spam yang lebih kompleks. Kombinasi dari metode-metode ini diharapkan dapat menghasilkan sistem deteksi SMS spam yang lebih robust dan adaptif terhadap evolusi taktik spammer, sehingga memberikan perlindungan yang lebih efektif bagi pengguna layanan pesan singkat.

References

1. Hoax detection system on Indonesian news sites based on text classification using SVM and SGD | IEEE... doi.org/10.1109/ICITACEE.2017.8257673Hoax detection system on Indonesian news sites based on text classification using SVM and SGD IEEE doi 10 1109 ICITACEE 2017 8257673

Metadata

File size	528.24 KB
Pages	8
DMCA	Report