Komparasi Algoritma Support Vector Machine, Naïve Bayes Dan C4.5 Untuk Klasifikasi SMS

Retno Sari

Sari


Abstrak

Layanan pesan singkat atau yang dikenal sebagai SMS, merupakan salah satu cara untuk berkomunikasi oleh para pengguna telepon genggam. SMS terdapat dua macam yaitu sms spam dan sms ham. SMS yang masuk kedalam kotak pesan banyak mengandung SMS yang merupakan spam. Komparasi algoritma Support Vector Machine, Naïves Bayes dan C4.5 untuk klasifikasi sms ini, untuk mengetahui algoritma mana yang memiliki tingkat akurasi yang tinggi. Dapat dilihat dari hasil pengklasifikasian dengan menggunakan 3 metode aplikasi data mining untuk sms berbahasa Indonesia dengan jumlah data sms 200. Akurasi yang didapat dengan menggunakan Naïves Bayes yaitu sebesar 95.00%, sedangkan yang menggunakan Support Vector Machine sebesar 76.00% dan dengan C4.5 akurasi didapat sebesar 95.50%.

Katakunci: Klasifikasi SMS, Support vector Machine, Naïves Bayes, C4.5

Abstract

Short message service or known as a text message , is one way to communicate by users mobile phone. SMS there are two kinds of the sms junk and sms human rights. The sms in to the inbox message contain many the sms is junk. Comparation algorithm Support Vector Machine, Naïves Bayes and C4.5 for the classification of sms, to know algorithm which is highly accurate. Can be seen from classification with use 3 method data mining aplication for sms Indonesian with the amount of data sms 200. Accuracy obtained by using Naïves Bayes of 98.00%, with use Support Vector Machine of 76.00% and with c4.5 accuracy obtained pf 95.50%

Keywords: SMS Classification, Support Vector Machine, Naïves Bayes, C4.5

Teks Lengkap:

PDF

Referensi


Dewi, I. N., & Supriyanto, C. (2013). Klasifikasi Teks Pesan Menggunakan Algoritam Naives Bayes. Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2013 (SEMANTIK 2013). 156-160.

Han, J., & Kamber, M. (2006). Data Mining Concepts and Techniques. San Fransisco: Elsevire.7 & 641.

Kusrini, & E.T, L. (2009). Algoritma Data Mining. Yogyakarta: Andi Offset. 189

Larose, D.T. Discovering Knowledge in Data. Canada: Wiley-Interscience, 2005. 2.

Sethi, G., & Bhootna, V. (2014). SMS Spam Filtering Application USing Android . International Journal of Computer Science and Information Technologies Vol. (5).4624-4626.

Shahi, T. B., & Yadav, A. (2013). Mobile SMS SPam Filtering for Nepali text Using Naives Bayesian and Support Vector Machine . Internationa Journal of Inttelligence, 24-28.

Sukardi, Syukur, A., & Supriyanto, C. (2014). Klasifikasi Spam Email dengan menggunakan ALgoritma C4.5 dengan Seleksi Fitur. Jurnal Teknologi Informasi Vol.10 No.1, 19-30.

Susanto, C. P., & Setiyawan, E. I. (2015). Algoritma Support Vestor Machine Untuk Mendeteksi SMS Spam Berbahasa Indonesia. Seminar Nasional "Inovasi dalam desain dan Teknologi:, 109-116.




DOI: https://doi.org/10.31294/ijcit.v2i2.2773

P-ISSN: 2527-449X E-ISSN: 2549-7421
Statistik Pengunjung Jurnal IJCIT
 

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License