Implementasi Algoritma K-Nearest Neighbors Untuk Klasifikasi Spam Email

Abstrak

Dalam kehidupan modern, akses internet telah menjadi hal penting untuk berkomunikasi. Email adalah salah satu dari banyak situs web. Jenis serangan siber seperti ransomware, phishing, dan cryptojacking terus berkembang dan tidak mudah dideteksi oleh sistem keamanan seiring dengan perkembangan teknologi yang semakin luas. Oleh karena itu, penelitian ini menggunakan spam email sebagai objek penelitian. Penelitian ini bertujuan untuk mengimplementasikan dan menghitung akurasi dari Algoritma K-Nearest Neighbors (KNN) dalam mengklasifikasikan email spam dengan label ham dan spam. Nilai akurasi sebesar 85%, presisi sebesar 87%, recall sebesar 93%, f1-score sebesar 90% dihasilkan dari pengujian yang dilakukan dengan rasio perbandingan 80% data pelatihan dan 20% data pengujian. Hasilnya menunjukkan bahwa algoritma K-Nearest Neighbors mampu mengklasifikasikan email spam dengan efektif.