Klasifikasi Spammer Pada Microblogging Twitter Berdasarkan Perilaku Pengguna Menggunakan Metode Decision Tree Dan Naïve Bayes

Fitriani, Yuli (2019) Klasifikasi Spammer Pada Microblogging Twitter Berdasarkan Perilaku Pengguna Menggunakan Metode Decision Tree Dan Naïve Bayes. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of BUKU TESIS YULI FITRIANI_WATERMARK.pdf]
Preview
Text
BUKU TESIS YULI FITRIANI_WATERMARK.pdf - Accepted Version

Download (5MB) | Preview

Abstract

Twitter merupakan salah satu Microblogging yang banyak digunakan oleh masyarakat luas. Popularitas Twitter mengundang spammer (penyebar spam) untuk mengganggu pengguna lain dengan menyebar spam tweets dalam jumlah besar. Spam tweets mengandung link URL yang berbahaya, perdagangan obat-obatan terlarang, pornografi, malware, phising. Penelitian ini bertujuan untuk melakukan klasifikasi spammer pada Microblogging Twitter berdasarkan perilaku pengguna. Fitur yang digunakan adalah fitur user-based dan fitur content-based. Penelitian ini menerapkan dua metode klasifikasi, untuk fitur user-based menggunakan metode Decision Tree dan untuk fitur content-based menggunakan metode Naïve Bayes. Metode klasifikasi Decision Tree dan Naïve Bayes dapat mengklasifikasi spammer masing-masing dengan akurasi 88.235%. dan 95.31%.
================================================================================================
Twitter is one of Microblogging service that widely used by people. Its
popularity invites spammers to disturb other users with a large number of spam
tweets. Spam tweets contain dangerous URL links, drug trafficking, pornography,
malware, phishing. This study aims to classify spammers on Twitter Microblogging
based on user behavior. The features used are user-based features and content-based
features. This study applies two classification methods, for user-based features
using the Decision Tree method and for content-based features using the Naïve
Bayes method. The classification method of Decision Tree and Naïve Bayes can
classify each spammer with an accuracy of 88.235%. and 95.31%.

Item Type: Thesis (Masters)
Additional Information: RTE 004.678 Fit k-1 2019
Uncontrolled Keywords: decision tree, microblogging, naïve bayes, spammer, twitter
Subjects: T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: YULI FITRIANI
Date Deposited: 17 Sep 2021 21:57
Last Modified: 22 Apr 2024 06:25
URI: http://repository.its.ac.id/id/eprint/60433

Actions (login required)

View Item View Item