Klasifikasi Email Spam Menggunakan Algoritma Naive Bayes

Muhammad Hanif Zaky Ubaidillah
Zaehol Fatah

Gudang Jurnal Multidisiplin Ilmu
Vol. 2 No. 11 (2024): GJMI - NOVEMBER

Email spam merupakan salah satu masalah signifikan dalam komunikasi digital yang dapat mengganggu produktivitas pengguna. Untuk mengembangkan model klasifikasi email spam maka digunakan Algoritma Naive Bayes, yang dikenal karena kesederhanaan dan efektivitasnya dalam menangani data teks. Data email yang terdiri dari spam dan non-spam diambil dari sumber yang dapat diakses secara publik dan diproses menggunakan aplikasi RapidMiner. Langkah-langkah preprocessing, termasuk penghapusan stopwords, stemming, dan vektorisasi teks, dilakukan untuk meningkatkan akurasi model. Model Naive Bayes dilatih dan diuji menggunakan teknik cross-validation untuk memastikan keandalan hasil. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi yang tinggi dengan hasil 60%, dengan nilai presisi 40% dan recall yang memadai. Hasil ini menunjukkan potensi penggunaan Algoritma Naive Bayes dalam klasifikasi email spam dan memberikan kontribusi terhadap pengembangan sistem filtrasi email yang lebih efektif.