<![CDATA[Kejahatan siber pada pesan digital, khususnya penipuan, dapat dikenali melalui karakteristik pola bahasa yang terdapat dalam isi pesan. Penelitian ini bertujuan menerapkan algoritma Classification and Regression Tree (CART) untuk mendeteksi kejahatan siber pada pesan WhatsApp berdasarkan pola bahasa serta memperoleh model dengan kinerja pengujian terbaik. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan jenis eksperimen. Dataset yang digunakan berjumlah 1.143 pesan teks dari repositori publik GitHub SMS Spam Classification Bahasa yang digunakan sebagai representasi pesan WhatsApp, terdiri atas 914 data training dan 229 data testing. Data melalui tahap preprocessing yang meliputi case folding, cleaning, tokenizing, dan stopword removal, kemudian dianalisis berdasarkan kata indikator untuk menghasilkan tiga fitur numerik, yaitu normal, promosi, dan penipuan. Algoritma CART dioptimasi menggunakan GridSearchCV dengan 5-Fold Cross Validation melalui beberapa percobaan konfigurasi parameter. Hasil pengujian menunjukkan konfigurasi terbaik menggunakan criterion = gini, max_depth = 5, min_samples_split = 2, dan min_samples_leaf = 3, dengan Accuracy Cross Validation sebesar 81,95% dan Accuracy Testing sebesar 75,55%. Nilai tersebut meningkat sebesar 2,19 poin persentase dibandingkan Accuracy Testing sebelum optimasi sebesar 73,36%. Berdasarkan hasil tersebut, konfigurasi dengan Accuracy Testing tertinggi dipilih sebagai model akhir. Hasil penelitian menunjukkan bahwa optimasi parameter dan analisis pola bahasa dapat mendukung penerapan CART dalam klasifikasi pesan ke dalam kategori Normal, Penipuan, dan Promosi]]>
Copyrights © 2026
