Implementasi Machine Learning untuk Meningkatkan Kesadaran Masyarakat dalam Deteksi Spam SMS melalui Program MBKM Magang Mandiri di Hacktiv8 Indonesia

Abstract

Spam adalah pesan-pesan tidak diinginkan yang dikirim secara massal tanpa izin dari penerima, dalam konteks pesan elektronik seperti SMS. Penelitian ini bertujuan untuk mengembangkan model deteksi spam SMS menggunakan pendekatan deep learning berbasis LSTM (Long Short-Term Memory). Data yang digunakan adalah dataset SMS yang telah diklasifikasikan sebagai "ham" (tidak spam) atau "spam". Dataset dibagi menjadi set pelatihan dan uji, kemudian dilakukan tokenisasi teks dan padding urutan untuk persiapan data. Model LSTM dibangun dengan lapisan embedding dan dropout spasial untuk mengatasi overfitting, diikuti oleh lapisan LSTM dan lapisan dense dengan fungsi aktivasi sigmoid untuk klasifikasi biner. Hasil eksperimen menunjukkan bahwa model mencapai akurasi sekitar 86.55% pada data uji, dengan nilai kehilangan sebesar 0.395. Studi ini mengonfirmasi bahwa pendekatan deep learning dengan LSTM dapat efektif dalam mendeteksi spam SMS, meskipun penting untuk mempertimbangkan kelas tidak seimbang dalam dataset yang digunakan.