DETEKSI E-MAIL DAN SPAM MENGGUNAKAN FUZZY ASSOCIATION RULE MINING

Fahrur Rozi
Rikie Kartadie - [ http://orcid.org/0000-0003-1947-353X ]


DOI: https://doi.org/10.29100/jipi.v2i2.348

Abstract


Munculnya suatu e-mail komersial yang tidak diharapkan atau yang lebih sering disebut dengan spam sangat menggangu pengguna e-mail karena dapat menambah penggunaan bandwith koneksi internet, serta akan menjadi suatu sampah yang menumpuk sehingga mengurangi kapasitas penyimpanan. Berdasarkan permasalahan tersebut penelitian bertujuan mengembangkan suatu metode hybird yang menggabungkan antara logika fuzzy dan association rule untuk mendeteksi antara e-mail dan spam. Sehingga dengan adanya metode hybird ini diharapkan e-mail yang diterima dapat diseleksi seakurat mungkin terhadap munculnya spam. Penelitian yang berjudul Deteksi E-mail dan Spam dengan menggunakan fuzzy association rule mining ini akan terdiri dari beberapa tahap yaitu preprocsessing e-mail dan spam, ekstraksi kandidat cluster, dan pembentukan cluster tree. Tahap preprocessing merupakan tahap dimana e-mail dan spam akan diambil kata kuncinya dengan melakukan penghilangan stopwords, stemming, dan seleksi term. Tahap ekstraksi kandidat cluster terdiri dari beberapa tahap lagi yaitu, penentuan fungsi keanggotaan fuzzy dan pembentukan kandidat cluster dengan association rule. Selanjutnya adalah tahap pembentukan cluster tree yang merupakan tahap pendeteksian e-mail dan spam dengan cara mengelompokkannya ke cluster yang sesuai.


Full Text:

PDF

Article Metrics :

References


S. Appavu, Arravind, Athiappan, Bharatiraja, M. Pandian, and R. Rajaram, “Association Rule Mining for Suspicious Email Detection: A Data Mining Approach,” IEEE, pp. 317–324, 2007.

F. Rozi, C. Fatichah, and D. Purwitasari, “Ekstraksi Kata Kunci Berdasarkan Hipernim Menggunakan Fuzzy Association Rule Mining untuk Pengelompokan Dokumen,” J. Ilm. Teknol. Inf., vol. 13, no. 2, pp. 190–197, 2015.

F. Rozi and R. Kartadie, “Clustering Dokumen dengan Semantic Word Holonim dan Fuzzy Association Rule Mining,” Semnasteknomedia Online, vol. 5, no. 1, pp. 13–18, 2017.

C. Chen, F. S. C. Tseng, and T. Liang, “Mining fuzzy frequent itemsets for hierarchical document clustering,” Inf. Process. Manag., vol. 46, no. 2, pp. 193–211, 2010.

F. Rozi and R. Kartadie, “Sinonim untuk ekstraksi kata kunci pada pengelompokan dokumen menggunakan fuzzy association rule mining,” Semnasteknomedia Online, pp. 7–12, 2016.

F. Rozi and F. Sukmana, “Metode siklis dan adaptive neuro fuzzy inference system untuk peramalan cuaca,” J. Ilm. Penelit. dan Pembelajaran Inform., vol. 1, no. 1, pp. 7–13, 2016.

F. Rozi and F. Sukmana, “Penggunaan moving average dengan metode hybrid artificial neural network dan fuzzy inference system untuk prediksi cuaca,” J. Ilm. Penelit. dan Pembelajaran Inform., vol. 1, no. 2, pp. 38–42, 2016.