<![CDATA[Email merupakan salah satu bentuk komunikasi digital yang paling populer dan efisien di era modern. Namun, seiring dengan meningkatnya penggunaan email. Email spam merupakan pesan yang tidak diinginkan yang dikirimkan secara massal ke sejumlah besar penerima dengan tujuan mengiklankan produk atau layanan, menyebarkan malware. Spam mengganggu pengguna dan mengonsumsi sumber daya jaringan dan server. Solusi yang ditawarkan dalam mengatasi spam menggunakan decision tree. Decision tree merupakan teknik pembelajaran mesin klasifikasi data berdasarkan fitur-fitur tertentu. Dalam konteks penyaringan email spam, decision tree dapat digunakan untuk mengidentifikasi dan memisahkan email spam dari email yang valid berdasarkan analisis pola dan karakteristik isi email.Metode decision tree bekerja dengan membangun model dari data latih yang berisi contoh-contoh email yang sudah diklasifikasikan sebagai spam atau bukan spam. Model ini kemudian digunakan untuk mengklasifikasikan email baru dengan mengikuti alur keputusan yang ditentukan oleh pohon keputusan. Keunggulan utama dari metode ini adalah kemampuannya untuk menangani data yang kompleks dan memberikan hasil yang akurat dengan interpretasi yang mudah dipahami. Hasil penelitian menunjukkan bahwa metode decision tree J48 memiliki akurasi yang lebih baik yaitu 98,5% sedangkan metode CART memiliki akurasi sebesar 89%. Meskipun demikian kedua metode mampu menghasilkan prediksi yang akurat dan sesuai Ketika dimasukkan data baru kedalam modelnya.]]>
