Deteksi Email Spam menggunakan Algoritma Convolutional Neural Network (CNN)
Jurnal Edukasi dan Penelitian Informatika (JEPIN) · 2024
DOI: 10.26418/jp.v10i1.73306 ↗Kurz gefasst
Fachartikel in der Zeitschrift Jurnal Edukasi dan Penelitian Informatika (JEPIN), 2024. Verfasst von Chris Moulana Bachri und 1 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref).
Abstract (Originalsprache)
Deteksi email spam merupakan isu penting dalam keamanan siber di Indonesia, yang menempati posisi delapan teratas di dunia dalam hal pengiriman spam. Untuk mengatasi tantangan ini, penelitian ini memperkenalkan penggunaan algoritma Convolutional Neural Network (CNN). Dengan kemampuan superior dalam mempelajari dan mengenali pola dari dataset besar, CNN menawarkan pendekatan berbasis kecerdasan buatan yang lebih efektif daripada metode tradisional. Penelitian ini mengembangkan model CNN dengan menganalisis teks dari 15.271 email berbahasa Inggris dan Indonesia dengan menggunakan teknik pembersihan teks dan Tokenization. Hasilnya menunjukkan keefektivitasan CNN yang signifikan dalam mengklasifikasikan email dengan tingkat akurasi tinggi sebesar 99.67% untuk data uji 20%, 99.64% untuk data uji 30%, dan 99.63% untuk data uji 40%. Berdasarkan hasil pengujian tersebut menunjukkan bahwa algoritma CNN berpotensi kuat dalam meningkatkan keamanan digital.
Zitieren
APA
Bachri, C. M., & Gunawan, W. (2024). Deteksi Email Spam menggunakan Algoritma Convolutional Neural Network (CNN). Jurnal Edukasi dan Penelitian Informatika (JEPIN). https://doi.org/10.26418/jp.v10i1.73306
Vancouver
Bachri CM, Gunawan W. Deteksi Email Spam menggunakan Algoritma Convolutional Neural Network (CNN). Jurnal Edukasi dan Penelitian Informatika (JEPIN). 2024. doi:10.26418/jp.v10i1.73306
BibTeX
@article{Bachri2024,
author = {Bachri, Chris Moulana and Gunawan, Wawan},
title = {Deteksi Email Spam menggunakan Algoritma Convolutional Neural Network (CNN)},
journal = {Jurnal Edukasi dan Penelitian Informatika (JEPIN)},
year = {2024},
doi = {10.26418/jp.v10i1.73306}
}
EUVIMED