Jagosatu.com - Penelitian terbaru dari Universitas Klabat mengungkap cara cerdas untuk membedakan SMS asli dan SMS sampah hanya dengan bantuan komputer.
SMS sampah atau spam adalah pesan yang isinya tidak penting dan sering bikin orang kesal karena muncul terus menerus.
Peneliti Unklab menggunakan teknik bernama machine learning yaitu cara membuat komputer belajar dari data agar bisa mengambil keputusan sendiri.
Metode utama yang dipakai adalah Support Vector Machine atau SVM yang tugasnya menemukan garis pemisah paling tepat antara SMS asli dan SMS sampah.
Menurut penelitian, SVM bekerja dengan mencari hyperplane yaitu batas tak terlihat yang memisahkan dua kelompok data secara jelas.
Dataset penelitian diambil dari KAGGLE yang berisi 5.574 SMS berbahasa Inggris yang sudah diberi label spam dan ham.
Sebelum diproses, semua SMS dibersihkan dulu lewat tahap tokenizing yaitu mengubah huruf menjadi kecil dan menghapus simbol yang tidak diperlukan.
Setelah itu dilakukan normalisasi yaitu mengubah kata tidak baku menjadi kata baku agar komputer lebih mudah memahami datanya.
Baca Juga: Selamat Tinggal Bajakan? Celah Aktivasi Populer Windows Akhirnya Ditutup
Tahap berikutnya adalah filtering atau penghapusan kata yang tidak penting seperti “dan”, “atau”, dan kata umum lain agar model fokus pada kata inti.
Terakhir dilakukan stemming yaitu mengubah kata menjadi bentuk dasarnya seperti “running” menjadi “run”.
Data kemudian dibagi menjadi dua bagian yaitu 80 persen untuk melatih model dan 20 persen untuk menguji hasilnya.
Pada data pelatihan, SVM diuji menggunakan teknik 10-fold cross-validation untuk memastikan hasilnya stabil.
Hasil cross-validation menunjukkan SVM mencapai akurasi 95.95 persen yang berarti hampir semua SMS berhasil diklasifikasikan dengan benar.
Precision SVM bahkan mencapai 100 persen yang artinya semua SMS yang ditandai sebagai spam benar-benar spam.
Pada pengujian independen, akurasi SVM naik menjadi 96.72 persen dan ini membuktikan model bekerja sangat baik pada data baru.
Sebagai perbandingan, metode Naive Bayes hanya mencapai akurasi 81.77 persen sehingga SVM jauh lebih unggul pada dataset ini.
Penelitian ini membuktikan bahwa SVM lebih handal karena mampu membuat garis pemisah yang lebih tepat antara spam dan non-spam.
Peneliti menjelaskan bahwa performa diukur menggunakan tiga indikator yaitu accuracy, precision, dan recall.
Menurut tabel hasil, SVM unggul mutlak pada precision sehingga pengguna lebih aman dari kesalahan deteksi spam.
Penelitian ini menyimpulkan bahwa metode SVM layak dikembangkan menjadi aplikasi atau plugin pendeteksi SMS spam otomatis.
Peneliti juga menyarankan penelitian lanjutan menggunakan algoritma lain atau teknik pembersihan data yang lebih canggih.
Hasil ini menunjukkan bahwa teknologi sederhana sekalipun bisa memberikan perlindungan lebih baik dari spam yang merugikan banyak orang. (KT)
Editor : ALengkong