Rancang Bangun Aplikasi Deteksi Spam Twitter menggunakan Metode Naive Bayes dan KNN pada Perangkat Bergerak Android

##plugins.themes.bootstrap3.article.main##

Faisal Aji Prayoga Aryo Pinandito Rizal Setya Perdana

Abstrak

Twitter saat ini adalah salah satu jaringan sosial terkemuka di seluruh dunia berdasarkan jumlah pengguna aktif bulanan setelah Facebook dan Instagram. Orang menggunakan Twitter sebagian besar untuk mengetahui lebih banyak informasi tentang berita terbaru atau mengikuti berita secara umum dengan mengikuti topik yang sedang tren. Seperti Twitter menjadi sumber berita berupa komentar dan balasan untuk berbagi ide terbaru. Oleh karena itu, beberapa aplikasi mobile yang memanfaatkan Twitter API telah dikembangkan untuk memberikan kemudahan dalam menyediakan trending topics kepada penggunanya. Topik tren Twitter menawarkan kesempatan efektif dalam pemasaran sudut pandang bagi pemasar online untuk mempromosikan konten pemasaran mereka. Konten spam di Twitter ternyata mengganggu dan mengganggu pengguna tertentu, sehingga aplikasi mobile untuk menghadirkan konten topik Twitter Twitter yang bebas spam diperlukan. Penelitian ini merancang kerangka aplikasi Android yang memungkinkan pengembang untuk membangun penerapan klasifikasi-klasifikasi spam untuk konten Twitter sebagai perpustakaan aplikasi. Penelitian ini menerapkan dua metode klasifikasi, yaitu Naïve Bayes dan K-Nearest Neighbor, untuk mengidentifikasi spam dalam topik tren Twitter. Metode klasifikasi Naive Bayes dan K-Nearest Neighbor dapat mendeteksi kandungan spam dan ham masing-masing dengan akurasi 82% dan 71%.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Prayoga, F., Pinandito, A., & Perdana, R. Rancang Bangun Aplikasi Deteksi Spam Twitter menggunakan Metode Naive Bayes dan KNN pada Perangkat Bergerak Android. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 2, p. 554-564, agu. 2017. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/878>. Tanggal Akses: 20 okt. 2019
Bagian
Artikel