Algoritma Naїve Bayes Dan Metode Untuk Klasifikasi SMS Berbahasa Indonesia

Algoritma Naїve Bayes Dan Metode Untuk Klasifikasi SMS Berbahasa Indonesia

• By Sari, Retno;
• Tesis
• 456

Sekarang, SMS yang masuk saat ini banyak yang mengandung SMS spam yang  membuat banyak masyarakat terganggu. Klasifikasi ini bertujuan untuk mengatasi  masalah ini dengan secara otomatis mengelompokan sms yang diterima menjadi  sms non spam dan sms spam Penelitian ini meningkatkan akurasi  pengklasifikasian Naive Bayes. Penelitian ini menghasilkan klasifikasi sms dalam  bentuk non-spam dan spam dari sms. Pengukuran berdasarkan akurasi Naïve  Bayes sebelum sesudah penambahan metode AdaBoost. Hasil penelitian  menunjukkan peningkatan akuraasi Naïve Bayes danri 96.40% menjadi 100%    

• Katakunci Naive Bayes, Klasifikasi SMS, Metode AdaBoost, Spam
• URL http://
• Penerbit ,

REFERENSI

Ahmed, Ishtiaq, Guan, Donghai dan Chung , Tae Choong. (2014) SMS classification based on Naives Bayes classifier and Apriori Algorithm Frequent Itemset. International Journal of Machine Learning and Computing Vol. 4 No.2.

 

Bramer, Max.(2007). Principles of Data Mining. London: Springer.

 

Charjan, Miss Dipti S dan Pun, Mukesh A. (2013). Pattern Discovery For Text Mining Using Pattern Taxonomy. International Journal of Engineering Trends and Technology. Volume 4 Issue 10. 4550-4555.

 

Chen,  J.,  Huang,  H.,  Tian, S.,  dan  Qu,  Y.  (2009). Feature  selection  for text classification with Naives Bayes. Expert Systems with Application, 36 (3),5432-5435.

 

Dewi, Ika Novita dan Supriyanto , Catur. (2013) Klasifikasi Teks Pesan Spam Menggunakan Algoritma Naives Bayes. Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2013 (SEMANTIK 2013). ISBN-979-

26-0266-6.

 

Gorunescu, F. (2011). Data Mining Concept Model Technique. Verlag Berlin

Heidelberg:Springer.

 

Han,   Jiawei   dan   Kamber,   Michelin.   (2006).   Data   Mining   Concepts   and

Techniques. San Francisco: Elsevire.

 

Korada,   N.   K,Kumar,   N.   S.P.,   dan   Deekshitulu,   Y.   V.   N.H   .(2012) Implementation of Naives Bayesian Classifier and Ada-Boost Algorithm Using Maize Expert System. Interntional Journal of Information Sciences and Techniques, 2.

 

Kusrini  dan  Luthfi,  E.T.  (2009).  Algoritma  Data  Mining.  Yogyakarta:  Andi

Offset.

 

Li, Xunchun, Wang,  Lei dan Sung, Eric. (2008). AdaBoost with SVM-based component classifiers. Engineering Applications of Artifical Intelligence 21.785-795.

 

Mahmoud,  Tarek  M  dan  Mahfouz  ,  Ahmed  M.  (2012). SMS Spam  Filtering Technique Based on Artifical Immune System. International Journal of Computer Science Issues. Vol. 9 Issue 2, No 1.589-597.

 

Sethi, Gaurav dan Bhootna , Vijender. (2014). SMS Spam Filtering Application Using      Android.   International   Journal   of   Computer   Science   and Information Technologies Vol. 5 (3). ISSN:0975-9646.

 

Shahi, Tej Bahadur dan Yadav , Abhimanu. (2013). Mobile SMS Spam Filtering for Nepali  Text  Using Naives  Bayesian  and  Support  Vector Machine. International Journal of Intelligence Science. 24-28.

 

Sugiyono.   (2012).   Metode   Penelitian   Kuantitatif,   Kualitatif   dan   R&D.

Bandung:Alfabeta

 

Teli, Savita Pundalik dan Biradar, Santoshkumar. (2014). Effective Email Classification for Spam and Non-Spam. International Journal of Advanced Reserach in Computer Science and Software Engineering.

 

Wang, Lipo dan Fu, Xiuju.(2005). Data mining with Computational Intelligence.

Verlag Berlin Heidelberg:Springer.

 

Wang, Ruihu. (2012). AdaBoost for Feature Selection, Classification and Its Relation with SVM, A Review.  2012 International Conference on Solid State Device and Material Science. 800-807.

 

Wu,  Xindong  dan  Kumar,  Vipin.(2009).  The  Top  Tens  Algorithms  in  Data

Mining. New York :Taylor & Francis Group, LLC.