ANALISIS SPAM FILTERING PADA MAIL SERVER DENGANudMETODE BAYESIAN CHI-SQUARE DANudNAIVE BAYES CLASSIFIER

摘要

ANALISIS SPAM FILTERING PADA MAIL SERVER DENGAN METODEudBAYESIAN CHI-SQUARE DAN NAIVE BAYES CLASSIFIERudANDRIYANTO DWI NURAHMATudJurusan Informatika.Fakultas Matematika dan Ilmu Pengetahuan Alam.udUniversitas Sebelas Maret.udABSTRAKudSpam pada email merupakan hal yang sangat menggangu makauddiperlukan filtering untuk mengklasifikasikan email, terdapat beberapaudmetode yang dapat mengklasifikasikan email. Metode tersebut antara lainudBayesian Chi-Square dan Naïve Bayes Classifier, kedua metode tersebutudmengklasifikan email secara matematis, untuk mengklasifikasikan emailudberdasarkan kata, frasa dan domain yang terdapat didalam email.udPenelitian analisis spam filtering pada mail server ini menggunakanudmetode Bayesian-Chi Square dan Naïve Bayes Classifier. Kedua metodeuddibandingkan untuk mengetahui metode yang lebih efektif digunakan padaudspam filtering. Keduanya diintegrasikan dengan mail server, selanjutnyauddilakukan training dengan menggunakan dataset TREC2007 yang telahuddiklasifikasikan menjadi ham dan spam. Sampel data diperoleh denganudmengambil sebagian data secara random dari TREC2007. Pada tahapudpengujian masing-masing bagian, dilakukan pengujian dengan sample dataudrandom yang berjumlah 300 email. Untuk menginputkan data traininguddilakukan secara bertahap tahap I data training berjumlah 750 email, tahap IIudberjumlah 1050 email, dan terakhir 1350. selanjutnya sampai pada tahapudpengujian, pengujian dilakukan untuk setiap tahap training data di keduaudmetode tersebut. Pada metode Bayesian Chi-Square dilakukan pengujianuddengan mengubah threshold antara spam dan ham, sehingga akan diketahuiudthreshold yang terbaik untuk digunakan.udHasil penelitian dari serangkaian pengujian menunjukkan metodeudBayesian Chi-Square mempunyai akurasi terbaik pada saat threshold 40 danud60, dengan nilai akurasi 87%. Sementara metode Naïve Bayes Classifierudmemiliki hasil yang lebih baik dengan required default 5 mampuudmenghasilkan akurasi terbaik mencapai 92,6%, akurasi tinggi jugaudmengakibatkan beberapa tiper error menjadi tinggi seperti error spam menjadiudham yang berakibat mengganggu kinerja server, error kedua adalah hamudmenjadi spam akibatnya email yang seharusnya berada diinbox akan kespamudatau terhapus. Untuk metode bayesian chi-square terdapat error unsureudakibatnya user harus mengklasifikasikan email secara mandiri tetapi nilainyaudberbanding terbalik dengan akurasi.udKata Kunci : Bayesian-Chi Square, Email, Ham, Naïve Bayes Classifier,udSpamudududSPAM FILTERING ANALYSIS ON THE MAIL SERVER WITH THEudBAYESIAN CHI-SQUARE METHODS ANDudTHE NAIVE BAYES CLASSIFIER METHODSudANDRIYANTO DWI NURAHMATudDepartment of Informatic. Mathematic and Science Faculty.udSebelas Maret UniversityudABSTRACTudSpam is a very disturbing case, so it is necessary to filtering the classify emailudand there are several methods that can classify the email. the methods are BayesianudChi-Square and Naïve Bayes Classifier, both are classify the email mathematicallyudbased on words, phrases and domains contained within the email.udthis Research of analysing spam filtering on the mail server is using theudBayesian-Chi Square and Naïve Bayes Classifier methods. Both were compared touddetermine which method is more effective on spam filtering. the methods could beudintegrated with the mail server, then training using the data set TREC2007 whichudhave been classified into ham and spam. the Samples obtained take some randomuddata from TREC2007 . In the testing phase of each pieces, performed testing withud300 sample data of random email. gradually, Input training data first phase up to 750udemails, second phase up to 1050 email, and the last was 1350. next, the testing phase,udthe testing is done for each phase of training data in both methods. the Bayesian Chi-udSquare test method is done by changing the threshold between spam and ham, soudthere will know which is the best threshold to use.udbased on test result, the conclusion are the Bayesian Chi-Square method has theudbest accuracy threshold at 40 and 60, with the accuracy was 87%. While NaïveudBayes Classifier method had better results with the required default 5 is able toudproduce the best accuracy reaches 92,6%, this high accuracy also resulted in someudtype of the error such as errors result in spam being the ham that interfere theudperformance of the server, the second error is ham being spam which is the emailudthat should be in inbox will become spam or deleted. there are error unsure in Chisquareudbayesian that consequently the user must classify email independently but itsudvalue is inversely proportional to accuracy.udKeywords: Bayesian-Chi Square, Email, Ham, Naïve Bayes Classifier, Spam