Dokumen ini merangkum analisis klasifikasi data email spam menggunakan pendekatan machine learning. Penelitian ini menggunakan dataset spambase UCI yang berisi 4601 baris data dan 58 kolom. Metode klasifikasi yang digunakan adalah Gradient Boosting Classifier yang mampu mengklasifikasikan data dengan akurasi 93,5%. Hasilnya mengidentifikasi 2875 email non-spam dan 1726 spam.

1. 1
Analisis Klasifikasi Data E-mail Spam
dengan Pendekatan Machine Learning
Oleh :
Anadia Rahmat Syihab Hidayatullah
06211540000001

2. OUTLINE
2
3
2
1Pendahuluan
Metodologi Penelitian
Analisis dan Pembahasan

3. 3
BAB I Pendahuluan

4. 4
Latar Belakang
(Yuda, 2016)
Spam adalah
penggunaan perangkat
elektronik untuk
mengirimkan pesan
secara bertubi-tubi
tanpa dikehendaki oleh
penerimanya.
Konsep "spam" berdasarkan data spambase UCI
adalah iklan untuk produk / situs web, membuat
skema uang cepat, surat berantai, pornografi dan
lain-lain.
(UCI Repository)
[Dampak]  Ruang penyimpanan kotak masuk
tercampur dengan informasi
bersifat spam
 Memberikan efek berat pada
penyimpanan pesan email
[Solusi]

5. 5
BAB II Metodologi
Penelitian

6. 6
Sumber
Data
 Data Sekunder
 Berjudul “Spambase Dataset ”
 Berisi
 4601 baris data
 58 kolom data

7. STRUKTUR
DATA
7
Struktur data dalam penelitian ini adalah berupa kata yang
variabel berskala rasio yang disusun melalui praproses
terlebih dahulu sehingga sudah berbentuk persentase,
berikut adalah strukur data penelitian ini
No.
Word_freq
_make
Word_freq_
address
Word_freq
_all
... crl_average Class
1 0 0,64 0,64 ... 61 1
2 0,21 0,28 0,5 ... 101 1
3 0,06 0 0,71 ... 485 1
. . . . . . .
. . . . . . .
. . . . . . .
4601 0 0 0,65 .. 5 0
Y adalah kelas / Tipe email
Spam berlabel 1
NonSpam berlabel 0

8. Variabel
Penelitian
8
Variabel :
 Variabel independen ( X ) terdapat 57 variabel
 Variabel dependen ( Y ) terdapat 1 variabel
No Atribut Tipe data Variabel
1 %Word_freq_make Rasio X
2 %Word_freq_address Rasio X
3 %Word_freq_all Rasio X
4 %Word_freq_3d Rasio X
5 %Word_freq_our Rasio X
6 %Word_freq_remove Rasio X
7 %Word_freq_over Rasio X
... ... ...
... ... ...
57 crl_average Rasio X
58 Y(Spam = 1 dan Non Spam = 0) Nominal Y

9. 9
Import Libraries
Preprocessing
Data
Data Exploration
Import Dataset
Feature Selection
Analisis Klasifikasi
Kesimpulan dan Saran

10. 10
BAB III Analisis
dan
Pembahasan

11. 11
Missing
Value
No Variabel
Missing
Value
1 %Word_freq_make 0
2 %Word_freq_address 0
3 %Word_freq_all 0
4 %Word_freq_3d 0
5 %Word_freq_our 0
6 %Word_freq_remove 0
7 %Word_freq_over 0
. . .
. . .
57 crl_average 0
58 Y 0
Tidak terdapat kasus missing value
Preprocessing

12. 12
Boxplot Terdapat kasus outlier
Preprocessing

13. 13
IQR
False = Bukan Outlier
Preprocessing
True = Outlier

14. ExtraTrees
Classifier
14
Tahapan mengeliminasi ukuran dari variabel yang
semula 57 menjadi 20 variabel yang berpengaruh
signifikan menggunakan ExtraTreesClassifier

15. Feature
Importances
15

16. 16
Analisis Klasifikasi
No Metode Klasifikasi Akurasi
1 CART 0,867
2 k-Nearest Neighbour 0,793
3 Naive Bayes 0,816
4 Support Vector Machine 0,871
5 Random Forest 0,902
6 Bagging 0,890
7 Adaptive Boosting 0,901
8 Gradient Boosting 0,906
9 Logistic Regression 0,881
10 Neural Network 0,880
Non Spam Total
Non 2684 191 2875
Spam 104 1622 1726
Gradient
Boosting
Akurasi 93,5%
Presisi 93,6%
Recall 92,8%

17. 17
BAB IV Kesimpulan
Dan
Saran

18. 18
Saran Kesimpulan
 Dari 57 variabel / feature, hanya 20 yang
signifikan terkadap pembentukan model
klasifikasi.
 Metode klasifikasi terbaik dari 10 metode yang
dicobakan adalah Gradient Boosting Classifier
dengan nilai akurasi, presisi dan recall berturut-
turut 93,5%, 93,6% dan 92,8%.
 Hasil klasifikasi menghasilkan prediksi yang
hampir mendekati yakni 2875 non spam, 1726
spam sedangkan data Y sebenarnya yakni 2788
non spam, 1813 spam
 Saran terhadap final project ini adalah
melakukan lebih banyak metode baik
dalam preprocessing data maupun
analisis atau klasifikasi khususnya.

19. 19
Analisis Klasifikasi Data E-mail Spam
dengan Pendekatan Machine Learning
Oleh :
Anadia Rahmat Syihab Hidayatullah
06211540000001