<![CDATA[Spam email adalah tantangan utama dalam komunikasi digital, yang memerlukan solusi efektif untuk mendeteksi dan mengeliminasi pesan yang tidak diinginkan. Penelitian ini bertujuan untuk mengimplementasikan model Bidirectional Encoder Representations from Transformers (BERT) dalam klasifikasi email spam. BERT, sebagai model transformasi berbasis deep learning yang telah dioptimalkan untuk pemahaman konteks, mampu memproses dan menganalisis pola linguistik yang kompleks pada data teks. Proses penelitian meliputi pengumpulan dataset email, preprocessing data untuk menghapus noise, pelabelan data, pelatihan model, serta evaluasi performa berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa implementasi BERT secara signifikan meningkatkan akurasi deteksi spam dibandingkan dengan metode tradisional seperti Naïve Bayes atau Support Vector Machine (SVM). Studi ini memberikan kontribusi terhadap pengembangan teknologi keamanan siber, khususnya dalam mengatasi ancaman spam di era komunikasi berbasis email.]]>
Copyrights © 2025
