Klasifikasi Pesan Biasa, Operator, Spam, dan Debt Collector Menggunakan K-Nearest Neighbor.docx Indonesia

Abstrak

Penelitian ini menerapkan metode klasifikasi K-Nearest Neighbor (KNN) untuk memprediksi kategori pesan yang merupakan pesan biasa, pesan spam, pesan operator, serta pesan debt collector.   KNN merupakan salah satu algoritma klasifikasi yang biasa digunakan untuk klasifikasi teks, prediksi dilakukan dengan memperhatikan jarak antar objek pengamatan. Data yang merupakan pesan teks yang dikumpulkan dari SMS, whatsapp, serta email  tentunya membutuhkan preproses  casefolding, stemming, tokenizing, serta stopwords terlebih dahulu agar dapat di modelkan dengan metode KNN. Hasil penelitian menunjukkan akurasi pada data uji yang diperoleh yaitu sebesar 93% dan jika fokus pada kategori pesan debt collector diperoleh recall pada data uji sebesar 83%. Penelitian ini diharapkan dapat dikembangkan lebih lanjut agar dapat diterapkan pada aplikasi untuk mengenali kategori pesan yang berasal dari debt collector sehingga mengurangi rasa tidak nyaman yang dirasakan oleh korban.