Klasifikasi Pesan Spam Dengan Menggunakan Metode Support Vector Machine

1.Abstract

Perkembangan pesan spam semakin hari semakin besar jumlahnya. Pesan spam bisa dikirim ke email dan pesan SMS. Pesan spam ini biasanya berisikan penipuan dan virus yang berbahaya. Oleh karena itu harus dibuat sebuah sistem yang dapat menyaring pesan spam tersebut. Salah satu caranya dengan klasifikasi teks. Dengan permasalahan ini akan dibuat sebuah sistem yang dapat mengklasifikasi pesan spam dengan menggunakan metode klasifikasi Support Vector Machine. Pengklasifikasian ini juga akan menggunakan dimensionality reduction dengan metode Singular Value Decomposition untuk mempercepat waktu pemodelan serta meningkatkan akurasi. Sebelumnya fitur akan diekstraksi memakai N-gram yang dikombinasikan dengan TF-IDF sehingga bisa didapatkan nilai akurasi yang lebih baik.

2.Keywords
spam, klasifikasi teks, N-gram, TF-IDF, Singular Value Decompostion, Support Vector Machine
3.Objective

Tujuan yang ingin dicapai dalah penelitian Tugas Akhir ini adalah:
a. Memperoleh pengaruh seleksi fitur Singular Value Decomposition pada akurasi dan waktu eksekusi.
b. Memperoleh performansi klasifikasi Support Vector Machine dengan berbagai kernel pada akurasi dan waktu eksekusi.

4.Methodology

Sistem yang akan dibangun pada penelitian ini merupakan sistem yang dapat melakukan klasifikasi pesan spam secara otomatis. Dalam penelitian ini data diambil dari pesan SMS. Pada sistem ini terdapat tujuh proses besar yaitu pengambilan dataset, splitting dataset, preprocessing, ekstraksi fitur, seleksi fitur, klasifikasi, evaluasi.

Untuk lebih jelasnya bisa melihat dokumen pendukung yang saya berikan.

5.Team

Ryandhika Fauzan Muhaffizh

6.Computation plan (required processor core hours, data storage, software, etc)

Software yang digunakan RStudio versi 1.1.414
128 GB RAM, 100GB, 18 cores

7.Source of funding
8.Target/outputs
Paper
9.Date of usage
19/11/2018 - 20/12/2018
10.Gpu usage
-
11.Supporting files
prop_1542037285.pdf
12.Created at
12/11/2018
13.Approval status
approved