Klasifikasi E-Mail Spam Menggunakan Metode K-Nearest Neighbor

Fitriyanto, Alan (2019) Klasifikasi E-Mail Spam Menggunakan Metode K-Nearest Neighbor. Undergraduate thesis, Universitas Muhammadiyah Jember.

[img] Text
a. Pendahuluan.pdf
Download (2MB)
[img] Text
b. Abstrak.pdf
Download (158kB)
[img] Text
c. BAB I.pdf
Download (607kB)
[img] Text
d. BAB II.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text
e. BAB III.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text
f. BAB IV.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text
g. BAB V.pdf
Restricted to Repository staff only
Download (294kB) | Request a copy
[img] Text
h. DAFTAR PUSTAKA.pdf
Download (161kB)
[img] Text
i. LAMPIRAN.pdf
Download (833kB)
[img] Text
j. JURNAL.pdf
Download (849kB)

Abstract

Email merupakan alat komunikasi penting yang digunakan oleh individu atau perusahaan saat ini. Adanya email yang mengandung spam sangat mengganggu bagi para pengguna email. Dalam penelitian ini peneliti melakukan klasifikasi email spam menggunakan algoritma K-NN guna mengetahui tingkat akurasi dan presisi dari algoritma ini dalam melakukan klasifikasi. Data dalam penelitian ini menggunakan dataset yang berasal dari UCI Machine Learning dengan total data 4601, terbagi atas 921 data validasi dan 3680 data uji serta latih. Dalam skenario uji penelitian ini menggunakan K-Fold Cross Validation dengan nilai k adalah 2, 4, 5, 8, 10. Hasil yang diperoleh dari penelitian ini adalah model alternatif yang didapat dari skenario uji dengan nilai akurasi tertinggi adalah pada uji dengan k=8 percobaan ke 8 yaitu 85.2% dan presisi 86.6%. sedangkan setelah diuji pada data validasi model ini menghasilkan tingkat akurasi 82.7% dan presisi 86.1%. hal ini menunjukkan bahwa terjadi penurunan tingkat akurasi sebesar 2.4% dan penurunan tingkat presisi sebesar 0.4%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi, Email, Spam, K-NN
Subjects: 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
600 Technology and Applied Science > 601 Philosophy and Theory of Technology
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Users 126 not found.
Date Deposited: 24 Oct 2019 07:02
Last Modified: 25 Oct 2019 01:27
URI: http://repository.unmuhjember.ac.id/id/eprint/2562

Actions (login required)

View Item View Item