IMPLEMENTASI EMAIL SPAM FILTERING DENGAN METODE HYBRID K-MEANS++ CLUSTERING DAN NAIVE BAYES CLASSIFIER BERBASIS MOBILE DAN WEB

Pertumbuhan pengguna email menyebabkan pertambahan pengiriman pesan yang didominasi oleh spam. Sistem email spam filtering seperti hybrid K-Means Clustering dan Naive Bayes Classifier dapat membantu pengguna dalam menyaring pesan yang dianggap sebagai spam ke folder spam tetapi dengan inisialisasi semua nilai centroid awal secara acak sehingga terkadang hasil penyaringan tidak optimal. Oleh karena itu dibangun sistem email spam filtering yang menggunakan hybrid K- Means++ Clustering dan Naive Bayes Classifier dengan inisialiasi nilai centroid yang lebih konsisten sehingga hasil penyaringan lebih optimal. Pengujian yang dilakukan berupa pengujian unit testing menggunakan metode BlackBox untuk mencari kesalahan fungsionalitas pada sistem dan pengujian algoritma dengan metode Confusion Matrix untuk mengukur tingkat akurasi, presisi dan recall dari algoritma tersebut. Berdasarkan hasil pengujian yang dilakukan sebanyak 10 kali yang mencakup 5 kali dengan total non spam yang lebih besar dan 5 kali dengan total spam yang lebih besar, algoritma hybrid K-Means++ Clustering dan Naive Bayes Classifier menunjukkan akurasi, presisi dan recall rata-rata sebesar 90,995%, 93,871% dan 87,068%.