PENERAPAN KLASIFIKASI SPAM EMAIL MELALUI GMAIL MENGGUNAKAN METODE NAIVE BAYES

Pertumbuhan pesat komunikasi elektronik dan penggunaan email sebagai alat komunikasi utama telah menyebabkan peningkatan pesan spam yang mengganggu produktivitas pengguna. Untuk mengatasi masalah ini, penelitian ini mengusulkan penerapan metode klasifikasi Naïve Bayes untuk mengidentifikasi dan memisahkan email spam dari email yang sah melalui platform Gmail..
Penelitian ini menggali penggunaan metode Naïve Bayes dalam konteks deteksi spam email. Metode ini didasarkan pada teorema Bayes yang mengasumsikan independensi antara setiap fitur yang digunakan dalam klasifikasi. Data pelatihan berupa kumpulan email yang telah diberi label sebagai spam atau ham digunakan untuk melatih model Naïve Bayes. Kemudian, model yang telah dilatih dievaluasi menggunakan data uji yang belum pernah dilihat sebelumnya.
Hasil dari pengujian akurasi pengguna yang didapat melalui prediksi kategori email dengan presentase data traning 50% menghasilkan perhitungan presentase akurasi 95.05% sedangkan untuk perhitungan presentase akurasi pada rapid miner 94.95%. Dari dua hasil akurasi perbandingan tersebut dapat disimpulkan bahwa tingkat akurasi tersebut dapat dinyatakan sangat baik.