Penyaringan spam e-mail menggunakan jaringan syaraf tiruan backpropagation
| Main Author: | Zulkarnain, MuhammadRizki |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2011
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/152802/1/051105059.pdf http://repository.ub.ac.id/152802/ |
Daftar Isi:
- Electronic mail atau disingkat e-mail merupakan salah satu fasilitas internet yang digunakan untuk mengirimkan pesan secara cepat dan mudah. Email yang tidak diinginkan disebut spam, dan umumnya dikirim secara massal (massmailing). Salah satu tipe spam dapat berupa pesan – pesan bersifat komersial (menjual jasa, barang, perjudian, pornografi atau menawarkan hal lain yang menarik).Salah satu cara untuk pengklasifikasian spam adalah mengunakan metode Jaringan Syaraf Tiruan Backpropagation (JST). Pada penelitian ini akan dicari nilai learning rate yang terbaik untuk penyaringan spam menggunakan metode inisialisasi bobot dan bias awal secara Acak dan menggunakan Nguyen Widrow. Sruktur JST yang dibuat terdiri dari satu lapis input layer yang memiliki 400 neuron, satu lapis hidden layer yang memiliki 100 neuron, dan satu output layer yang memiliki 1 neuron. Untuk pelatihan dan pengujian menggunakan metode inisialisasi Acak dan metode inisialisasi Nguyen Widrow dengan learning rate sebesar 0.7. Jumlah data pembelajaran sebanyak 60 email terdiri dari 30 sampel email spam dan 30 email ham dan data uji sebanyak 80 email, terdiri dari 40 sampel email spam dan 40 email ham (bukan spam ). Pengujian dilakukan dengan jumlah data uji sebanyak 20, 40, 60 dan 80 sampel email. Hasil pengujian menunjukkan bahwa tingkat keakuratan sistem menggunakan metode inisialisasi Nguyen Widrow lebih akurat dari pada metode Acak dengan rata – rata akurasi sebesar 93 %, sedangkan pengujian terhadap data uji ham menggunakan metode inisiliasasi Nguyen Widrow dan metode Acak, memiliki tingkat akurasi yang sama dengan rata – rata akurasi paling tinggi terdapat pada pengujian dengan jumlah sampel 40 ham sebesar 93% .