Penerapan Metode Naive Bayes Dalam Klasifikasi Dpam SMS Menggunakan Fitur Teks Untuk Mengatasi Ancaman Pada Pengguna

Salah satu dampak negatif dari kemajuan digital saat ini adalah meningkatnya jumlah SMS spam. SMS spam menimbulkan risiko keamanan bagi pengguna karena dapat berisi tautan berbahaya atau permintaan informasi pribadi yang digunakan untuk serangan malware, smishing, atau penipuan. Namun, dengan berbagai upaya perlindungan yang tersedia tidak semua spam SMS dapat diklasifikasi dan dicegah secara efektif. Namun permasalahan tersebut dapat diminimalisir dengan membuat sebuah model anti spam SMS yang bertujuan dapat mengklasifikasikan jenis SMS. Sehingga penelitian ini bertujuan untuk mengklasifikasi jenis SMS yang mengandung spam dan ham dengan menerapkan algoritma Naïve Bayes. Pada penelitian ini dataset berjumlah 5572 record yang terdiri dari 2 kategori, yaitu spam dan ham. Algoritma ini mampu menunjukkan kinerja yang memuaskan dalam membedakan pesan spam dan ham karena menurut tinjauan literatur Algoritma Naïve Bayes cocok digunakan untuk dataset berbahasa Inggris. Evaluasi model menampilkan hasil yang baik dengan akurasi mencapai 93.2%, presisi 93.7%, recall 93.2%, dan F1-score 91.6%. Selain itu, analisis dalam penelitian menggunakan Kurva Receiver Operating Characteristic (ROC) menunjukkan tingkat akurasi sebesar 97.3%, menandakan bahwa model memiliki performa yang sangat baik dalam klasifikasi spam pada pesan SMS. Meskipun demikian, masih ada ruang untuk peningkatan melalui penggunaan metode baru dan dataset yang lebih besar dan beragam. Penelitian ini memiliki keterlibatan penting dalam mengupayakan keamanan komunikasi serta pengalaman pengguna dalam menggunakan layanan pesan singkat.
Kata Kunci: Pesan Spam Dan Ham; Phishing; Algoritma Naive Bayes; Machine Learning; Klasifikasi