WFraud Alert Sebagai Prediksi Pesan Penipuan WhatsApp Menggunakan Naïve Bayes
Abstract
Abstrak− Penelitian ini menggambarkan dampak serius kejahatan siber dalam bentuk penipuan online terhadap masyarakat dan ekonomi Indonesia, penelitian ini juga membahas risiko dan kerugian finansial yang diakibatkan oleh penipuan online. Tujuan utama dari penelitian ini adalah membuat aplikasi WFraud Alert yang memiliki tujuan khusus untuk mengidentifikasi pesan WhatsApp dengan membedakan antara pesan normal, pesan penipuan, dan pesan judi online. Pada pendeskripsian masalah yang di teliti dapat terlihat bahwa penelitian ini berfokus pada dampak serius kejahatan siber, khususnya penipuan online, terhadap masyarakat dan ekonomi Indonesia. Tujuan penelitian ini adalah untuk mengidentifikasi dan mengukur dampak penipuan online dengan menggunakan data yang dikeluarkan oleh Kementerian Komunikasi dan Informatika (Kominfo). Berdasarkan laporan dari Agustus 2018 hingga 16 Februari 2023, teridentifikasi sebanyak 1.730 konten penipuan online. Selama lima tahun sebelumnya, kerugian akibat penipuan online di Indonesia mencapai total sekitar Rp 18,7 triliun. Aplikasi WFraud Alert ini memiliki tujuan untuk mengidentifikasi pesan WhatsApp yang terdiri dari pesan normal, pesan penipuan dan pesan judi online. Penelitian ini menggunakan metode kuantitatif dengan data primer sebanyak 156 data, yang terdiri dari pesan normal, penipuan, dan judi online. Algoritma Naive Bayes digunakan untuk melatih model aplikasi WFraud Alert. Algoritma Naive Bayes tetap relevan dan efektif dalam menangani masalah klasifikasi dalam berbagai konteks, terutama dalam Natural Language Processing. Hasil penelitian menunjukkan bahwa aplikasi ini memiliki performa yang kuat, dengan presisi mencapai 91%, recall mencapai 91%, dan F1-score mencapai 91. Hasil dari aplikasi WFraud Allert telah berhasil menjadi solusi yang efektif dalam mengidentifikasi penipuan dalam pesan WhatsApp.
Kata Kunci: Naïve Bayes, WhatsApp, KlasifikasiFull Text:
PDFReferences
Veronika, “Perkembangan Teknologi Informasi dan Komunikasi: Sejarah, Dampak, Tantangan, dan Peluang. ,” Kompasiana.
D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” TEKNO KOMPAK, vol. 15, no. 1, 2019.
Lenny, “Kominfo Catatkan 1.730 Kasus Penipuan Online, Kerugian Ratusan Triliun,” Kata Data.
LERAVIO, “Naive Bayes: Pengertian, Kelebihan, dan Implementasinya,” ADMIN LERAVIO.
R. Rachman, R. N. Handayani, and I. Artikel, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM,” JURNAL INFORMATIKA, vol. 8, no. 2, 2021, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ji
R. S. Stmik and N. Mandiri, “Komparasi Algoritma Support Vector Machine, Naïve Bayes Dan C4.5 Untuk Klasifikasi SMS,” IJCIT (Indonesian Journal on Computer and Information Technology, vol. 2, no. 2, 2017.
D. Delvia Arifin and Ma. Bijaksana, “SMS Filtering Menggunakan Naive Bayes Classifier dan FP-Growth Algorithm Frequent Itemset,” e-Proceeding of Engineering, 2019, [Online]. Available: http://www.ranks.nl/stopwords.
R. Dwiyansaputra, G. Satya Nugraha, F. Bimantoro, and A. Aranta, “DETEKSI SMS SPAM BERBAHASA INDONESIA MENGGUNAKAN TF-IDF DAN STOCHASTIC GRADIENT DESCENT CLASSIFIER (Indonesian SMS Spam Detection using TF-IDF and Stochastic Gradient Descent Classifier),” JTIKA, 2021, [Online]. Available: http://jtika.if.unram.ac.id/index.php/JTIKA/
L. D. Utami, L. Yusuf, and D. Nurlaela, “Komparasi Algoritma Naïve Bayes dan Support Vectors Machine pada Analisis Sentimen SMS HAM dan SPAM,” Jurnal Informatika dan Teknologi, vol. 4, no. 2, 2021, doi: 10.29408/jit.v4i2.3665.
U. Banten Jaya, J. Syeh Nawawi Albantani, and S. -Banten, “PERBANDINGAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI SMS SPAM BERBAHASA INDONESIA,” SAINTEK | Jurnal Sains & Teknologi , 2019.
H. Herwanto, N. L. Chusna, and M. S. Arif, “Klasifikasi SMS Spam Berbahasa Indonesia Menggunakan Algoritma Multinomial Naïve Bayes,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 4, p. 1316, Oct. 2021, doi: 10.30865/mib.v5i4.3119.
Zia Ayu Nuansa Gumilang, “IMPLEMENTASI NAÏVE BAYES CLASSIFIER DAN ASOSIASI UNTUK ANALISIS SENTIMEN DATA ULASAN APLIKASI E-COMMERCE SHOPEE PADA SITUS GOOGLE PLAY,” YOGYAKARTA, 2018.
M. Ibrahim, E. Bu, and I. Lubis, “RESOLUSI : Rekayasa Teknik Informatika dan Informasi Penerapan Algoritma Naive Bayes Classifier Untuk Mendeteksi Tingkat Krediblitas Hoax News/ Fake News Pada Sosial Media Di Indonesia Berbasis Android (Studi Kasus : Kantor Tribun Medan),” Media Online), vol. 1, no. 1, 2020, [Online]. Available: https://djournals.com/resolusi
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” 2021.
DOI: https://doi.org/10.33365/jtk.v18i1.3523
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Ganis Sanhaji, Julian, Herlan Syah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Tekno Kompak
Published by Universitas Teknokrat Indonesia
Organized by Program Studi D3 Sistem Informasi Akuntansi - Universitas Teknokrat Indonesia
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhanratu, Bandarlampung, Indonesia
Telepon : 0721 70 20 22
W : http://ejurnal.teknokrat.ac.id/index.php/teknokompak
E : teknokompak@teknokrat.ac.id.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jumlah Pengunjung : View Tekno Kompak StatsCounter