<![CDATA[Spam email merupakan salah satu permasalahan dalam komunikasi digital karena dapat mengganggu produktivitas,membebani sistem, serta berpotensi membawa ancaman keamanan seperti phishing, malware, dan penipuan digital. Penelitianini bertujuan membangun dan membandingkan performa algoritma Support Vector Machine (SVM) dan Random Forest dalammendeteksi spam email berbasis klasifikasi teks. Dataset yang digunakan adalah SMS Spam Collection yang terdiri dari 5.572pesan dengan 2 (dua) kelas, yaitu ham/non-spam dan spam. Tahapan penelitian dilakukan secara sekuensial melalui prosestext, cleaning, case folding, tokenization, stopword removal, ekstraksi fitur menggunakan Term Frequency-Inverse DocumentFrequency (TF-IDF), train-test split, pelatihan model SVM dan Random Forest, serta evaluasi performa. Evaluasi dilakukanmenggunakan metrik Accuracy, Precision, Recall, F1-score, ROC-AUC, dan Confusion matrix, sebagaimana dijelaskandalam rancangan penelitian dan evaluasi model pada dokumen . Hasil pengujian menunjukkan bahwa Linear SVM +GridSearchCV memperoleh performa lebih baik dibandingkan Random Forest + GridSearchCV, dengan Accuracy sebesar0,983857, Precision 0,978102, Recall 0,899329, F1-score 0,937063, dan ROC-AUC 0,987039. Random Forest memperolehAccuracy 0,959641, Precision 0,882353, Recall 0,805369, F1-score 0,842105, dan ROC-AUC 0,960280. Berdasarkan hasiltersebut, SVM lebih efektif dalam mendeteksi spam email karena mampu menghasilkan kesalahan klasifikasi yang lebihrendah dan performa evaluasi yang lebih seimbang.]]>
Copyrights © 2026
