<![CDATA[Abstrak− Penelitian ini menggambarkan dampak serius kejahatan siber dalam bentuk penipuan online terhadap masyarakat dan ekonomi Indonesia, penelitian ini juga membahas risiko dan kerugian finansial yang diakibatkan oleh penipuan online. Tujuan utama dari penelitian ini adalah membuat aplikasi WFraud Alert yang memiliki tujuan khusus untuk mengidentifikasi pesan WhatsApp dengan membedakan antara pesan normal, pesan penipuan, dan pesan judi online. Pada pendeskripsian masalah yang di teliti dapat terlihat bahwa penelitian ini berfokus pada dampak serius kejahatan siber, khususnya penipuan online, terhadap masyarakat dan ekonomi Indonesia. Tujuan penelitian ini adalah untuk mengidentifikasi dan mengukur dampak penipuan online dengan menggunakan data yang dikeluarkan oleh Kementerian Komunikasi dan Informatika (Kominfo). Berdasarkan laporan dari Agustus 2018 hingga 16 Februari 2023, teridentifikasi sebanyak 1.730 konten penipuan online. Selama lima tahun sebelumnya, kerugian akibat penipuan online di Indonesia mencapai total sekitar Rp 18,7 triliun. Aplikasi WFraud Alert ini memiliki tujuan untuk mengidentifikasi pesan WhatsApp yang terdiri dari pesan normal, pesan penipuan dan pesan judi online. Penelitian ini menggunakan metode kuantitatif dengan data primer sebanyak 156 data, yang terdiri dari pesan normal, penipuan, dan judi online. Algoritma Naive Bayes digunakan untuk melatih model aplikasi WFraud Alert. Algoritma Naive Bayes tetap relevan dan efektif dalam menangani masalah klasifikasi dalam berbagai konteks, terutama dalam Natural Language Processing. Hasil penelitian menunjukkan bahwa aplikasi ini memiliki performa yang kuat, dengan presisi mencapai 91%, recall mencapai 91%, dan F1-score mencapai 91. Hasil dari aplikasi WFraud Allert telah berhasil menjadi solusi yang efektif dalam mengidentifikasi penipuan dalam pesan WhatsApp.Kata Kunci: Naïve Bayes, WhatsApp, Klasifikasi]]>
Copyrights © 2024
