Hasil Pencarian  ::  Simpan CSV :: Kembali

"Internet had become one of the most important thing in growth of communication.One of the facility that internet provide is electronic mail or commanly known as e-mail...."

"Penggunaan email filtering saat ini sudah tergolong umum. Mail server berskala intenasional sudah wajib menggunakan spam filtering untuk men-filter email yang masuk ke user. Dari beberapa metode filtering yang dikembangkan, metode content filtering adalah metode yang paling digemari. Dari beberapa tipe content filtering yang digunakan, metode bayesian filtering merupakan metode email yang palign sering digunakan. Konsep yang digunakan cukup sederhana, yaitu bila probabilitas spam dari sebuah email lebih besar dari probabilitas nonspam, maka email tersebut dianggap sebagai spam. Tugas akhir ini akan membahas email filtering yang menggunakan metode bayesianfiltering. Metode yang dibangun berdasarkan konsep yang telah dibangun oleh Paul Graham dalam artikelnya ?A Plan for Spam?. Artikel ini dinyatakan sebaga batu loncatan yang sangat berpengaruh terhadap perkembangan email filtering karena memberikan pandangan lain terhadap pengembangan spam filtering. Pada tugas akhir ini, penulis akan meneliti trik-trik yang digunakan oleh Paul Graham dalam artikelnya. Penulis akan membangun sebuah email filtering berdasarkan artikel Paul Graham kemudian memodifikasi filter tersebut kemudian melihat perbedaan kinerja dari filter."

"Penggunaan email dalam berkomunikasi dan melakukan transaksi tidak dapat dihindari di era ini. Email memegang peranan penting dalam perkembangan Internet sekarang. Karena pentingnya email, maka semakin banyak pula penjahat yang berusaha mengeksploitasi email untuk kepentingan pribadi. Salah satu bentuk eksploitasi tersebut adalah pengiriman email yang tidak diinginkan (spam email). Email spam yang masuk ke kotak email pengguna dapat menimbulkan bahaya dan kerugian terhadap pengguna tersebut. Untuk mengatasinya diperlukan sebuah mekanisme penyaringan email spam sehingga tidak membahayakan pengguna. Melalui aplikasi, email akan dipilah dan apabila dikategorikan sebagai email spam, maka akan diisolasi ke tempat khusus. Aplikasi yang dipilih adalah aplikasi yang bersifat open source, sehingga mudah untuk dicapai dan digunakan oleh banyak orang seperti Apache SpamAssassin dan Rspamd. Tujuan dari Skripsi ini adalah untuk melihat seberapa efektif aplikasi penyaring spam berbasis open source untuk mengklasifikasikan dan mencegah masuknya email spam ke kotak masuk pengguna.

---

The use of email in communicating and making transactions is unavoidable in this era. Email plays an important role in the development of the Internet today. Due to the importance of email, more and more criminals are trying to exploit email for personal gain. One form of exploitation is sending unsolicited email (spam email). Spam email that enter a user's mailbox can cause harm and loss to the user. To overcome this, a spam email filtering mechanism is needed so that it does not endanger users. Through the application, the email will be sorted and if it is categorized as spam, it will be isolated to a special place. The chosen application is an application that is open source, so it is easy to reach and use by many people such as Apache SpamAssassin and Rspamd. The purpose of this Thesis is to see how effective an open source based spam filter application is in classifying and preventing spam emails from entering users' inboxes."

"Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi keberhasilan dan kriteria keberhasilan dalam proses skema Kerjasama Pemerintah dengan Badan Usaha (KPBU) atau Public-Private Partnership (PPP) pada sektor penyediaan air minum dalam perspektif stakeholder yang terlibat dalam proses skema KPBU di Indonesia. Dari proses penelitian yang dilakukan telah diperoleh sebanyak 8 (delapan) kriteria kesuksesan dan 40 faktor yang mempengaruhi keberhasilan proses skema KPBU pada sektor penyediaan air minum. Berdasarkan faktor-faktor dan kriteria keberhasilan tersebut maka disusun rekomendasi yang dapat diterapkan agar penyelenggaraan skema KPBU pada sektor penyediaan air minum di Indonesia dapat berjalan sukses.

---

This study aims to identify the criteria of success and the factors that influence the success and success criteria in the process of the Public-Private Partnership (PPP) scheme in the water supply sector in the perspective of stakeholders involved in the process PPP scheme in Indonesia. From the research process carried out there were 8 (eight) criteria of success and 40 factors that influenced the success of the PPP scheme process in the water supply sector. Based on the factors and success criteria, recommendations can be made so that the PPP scheme in the water supply sector in Indonesia can be successful."

"ABSTRAKTujuan dari permasalahan filtrasi spam adalah mengidentifikasi sebuah e-mail sebagai spam atau bukan spam. Dengan berkembangnya machine learning, semakin banyak permasalahan yang dapat diselesaikan. Salah satunya adalah filtrasi spam. Filtrasi e-mail spam dapat dilakukan dengan bantuan klasifikasi biner dengan machine learning untuk pengklasifikasiannya. Dalam penelitian ini akan menggunakan regresi logistik dan perceptron untuk melakukan proses filtrasi spam. Data yang digunakan menggunakan dataset Enron Spam. Hasil dari analisis menunjukkan bahwa regresi logistik menunjukkan hasil yang lebih baik dari perceptron. Di mana akurasi regresi logistik mencapai 97,02, sedangkan tingkat akurasi perceptron adalah 95,54, tetapi waktu pelatihan perceptron hanya membutuhkan waktu 3,8 sekon, sedangkan regresi logistik membutuhkan waktu 780,94 sekon.

---

ABSTRACTThe goal of spam filtering is to identify an e mail as spam or not spam. With the rapid development of machine learning, more problem can be solved. One of it is spam filtration. E mail spam filtering can be done with the help of binary classifier using machine learning for the classification. This research would use logistic regression and perceptron technique to filter spam. Data taken from Enron Spam dataset. The result indicate that logistic regression show better result than perceptron. Whereas the accuracy from logistic regression could reach 97,02, while accuracy from perceptron is 95,54, meanwhile the training time for perceptron takes only 3,8 second, while logistic regression takes about 780,94 second. "

"Kategori email dapat diklasifikasikan dengan menggunakan pemrosesan bahasa alami (natural language processing) dan machine learning untuk mempelajari pola kata pada email. Model yang digunakan adalah support vector machine, multinomial naïve bayes, dan random forest dan digunakan teknik oversampling berupa random oversampling, synthetic minority over-sampling (SMOTE), dan adaptive synthetic sampling (ADASYN) untuk menyeimbangkan distribusi kelas dan meningkatkan performa pada model. Hasil yang diperoleh bahwa teknik ADASYN menghasilkan performa terbaik dalam klasifikasi email yang divalidasi dengan k-fold cross-validation (k=7) dibandingkan dua teknik lainnya. Rata-rata akurasi mencapai 97.87% pada support vector machine, sedangkan multinomial naive bayes 77.97% , dan random forest 95.94% dengan menggunakan teknik ADASYN.

---

Email categories can be classified using natural language processing (NLP) and machine learning to learn word patterns in emails. The models used are support vector machine, multinomial naïve Bayes, and random forest. Oversampling techniques such as random oversampling, synthetic minority over-sampling (SMOTE), and adaptive synthetic sampling (ADASYN) are employed to balance the class distribution and improve model performance. The results show that the ADASYN technique achieves the best performance in email classification validated with k-fold cross-validation (k=7) compared to the other two techniques. The average accuracy reaches 97.87% for support vector machine, 77.97% for multinomial naïve Bayes, and 95.94% for random forest when using the ADASYN technique."

"Skripsi ini membahas pengaturan dan pelaksanaan kewenangan Pemerintah Daerah Kabupaten Bogor dalam melakukan pengelolaan sumber daya air sebagai benda yang diatur dan dijamin haknya secara langsung oleh Pasal 33 ayat (3) Undang-Undang Dasar Negara Republik Indonesia. Dalam pelaksanannya terdapat permasalahan sejak terbit dan berlakunya Keputusan Bupati Bogor Nomor: 693/090/00001/DPMTPSP/2017 tertanggal 1 Maret 2017 Tentang Pemberian Izin Penyelenggaraan Sistem Penyediaan Air Minum Kepada PT Sentul City, Tbk. Pada pokok permasalahannya, PT Sentul City, Tbk yang memiliki kontrak dengan PDAM Tirta Kahuripan mengenai SPAM yang kemudian air tersebut dijual kepada penghuni rumah di kawasan Sentul City dengan tarif yang menyalahi peraturan perundang-undangan. Padahal, izin tersebut juga tidak memenuhi kriteria SPAM yang tertuang pada Peraturan Pemerintah Nomor 122 Tahun 2015 tentang Sistem Penyedian Air Minum sebagaimana sebagaimana telah dibatalkan oleh Putusan PTUN Bandung No. 75/G/2017PTUN-BDG. Kesimpulannya adalah Pemerintah Daerah Kabupaten Bogor telah diberikan kewenangan oleh peraturan perundang-undangan dalam memberikan izin SPAM kepada PT Sentul City, Tbk, namun pada pelaksanannya pemberiaan izin tersebut mengancung adanya cacat substansi dan prosedur.

---

This thesis discusses the regulation and implementation of the authority of the Regional Government of Bogor Regency in managing water resources as objects that are directly regulated and guaranteed by Article 33 paragraph (3) of the Constitution of the Republic of Indonesia. There had been problems in its implementation since the issuance and enactment of Bogor Regent Decree Number: 693/090/00001/DPMTPSP/2017 dated March 1, 2017, concerning the Granting of Permits for the Operation of Drinking Water Supply Systems to PT Sentul City, Tbk. In essence, PT Sentul City, Tbk had a contract with PDAM Tirta Kahuripan regarding SPAM, which then sold the water to residents of houses in the Sentul City area with a rate that violates regulations. The permit also did not fill the SPAM criteria as stated in Government Regulation No. 122 of 2015 concerning the Drinking Water Supply System as canceled by the Bandung Administrative Court Decision No. 75/G/2017PTUN-BDG. The conclusion is that the Regional Government of Bogor Regency has been given the authority by regulations to grant SPAM permits to PT Sentul City, Tbk, but it’s implementation consist  procedure and substancial breach. "

"Pesatnya perkembangan teknologi informasi dan komunikasi telah membawa banyak perubahan dalam kehidupan manusia. Salah satu perkembangan yang paling signifikan adalah munculnya teknologi pesan singkat atau Short Message Service (SMS).  Media SMS sering disalahgunakan sebagai media penipuan terhadap pengguna telepon. Penipuan sering terjadi dengan cara mengirimkan SMS secara masif dan acak hingga mencapai sepuluh ribu per hari kepada semua pengguna dan menjadi SMS spam bagi banyak orang. Klasifikasi teks menggunakan Long-Short Term Memory (LSTM) dan BERT Embbeddings dilakukan untuk mengklasifikasi data SMS ke dalam dua kategori, yaitu spam dan non-spam. Data terdiri dari 5575 SMS yang telah diberi label. Dengan menggunakan metode LSTM + BERT, penelitian ini dapat mencapai nilai accuracy sebesar 97.85%. Metode ini menghasilkan hasil yang lebih baik dari ketiga model sebelumnya. Model LSTM + BERT menghasilkan nilai accuracy 0.65% lebih baik dari LSTM.

---

The rapid development of information and communication technology has brought many changes in human life. One of the most significant developments is the emergence of short message service (SMS) technology.  SMS media is often misused as a medium for fraud against telephone users. Fraud often occurs by sending massive and random SMS up to ten thousand per day to all users and becomes SMS spam for many people. Text classification using Long-Short Term Memory (LSTM) and BERT Embeddings is performed to classify SMS data into two categories, namely spam and ham. The data consists of 5575 SMS that have been labeled. By using the LSTM + BERT method, this research can achieve an accuracy value of 97.85%. This method produces better results than the three previous models. The LSTM + BERT model produces an accuracy value of 0.65% better than LSTM."

"Spam email merupakan salah satu masalah yang sangat sering dialami dalam komunikasi digital. Penelitian ini bertujuan untuk membandingkan efektifitas dua algoritma klasifikasi Naïve Bayes dan Support Vector Machine (SVM) dalam mendeteksi email spam. Tahapan penelitian dimulai dari pengumpulan data, pemrosesan teks seperti penghapusan angka, tanda baca, dan huruf kapital, penghapusan kata-kata umum, stemming, dan transformasi teks menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Dataset dibagi menjadi dua bagian yaitu data latih dan data uji dengan perbandingan 80% data latih dan 20% data uji. Hyperparameter yang digunakan pada metode Naive Bayes adalah nilai alpha, sedangkan pada SVM adalah nilai C, gamma dan kernel Radial Basis Function (RBF). Evaluasi menggunakan parameter metrik akurasi, presisi, recall, dan F1 score. Hasil penelitian menunjukkan metode SVM dengan hyperparameter tuning dan teks preprocessing mendapatkan nilai akurasi 98,74% sedangkan metode naïve bayes hanya 98,35%. Sehingga dapat disimpulkan bahwa metode Support Vector Machine lebih efektif dibandingkan metode Naïve Bayes dalam mendeteksi email spam.

---

Spam email is one of the most frequently encountered issues in digital communication. This study aims to compare the effectiveness of two classification algorithms, Naïve Bayes and Support Vector Machine (SVM), in detecting spam emails. The research stages begin with data collection, followed by text processing such as removing numbers, punctuation, and capital letters, removing common words, stemming, and text transformation using the Term Frequency-Inverse Document Frequency (TF-IDF) method. The dataset is divided into two parts: training data and testing data, with a ratio of 80% training data and 20% testing data. The hyperparameter used for the Naïve Bayes method is the alpha value, while for SVM, the hyperparameters are the values of C, gamma, and the Radial Basis Function (RBF) kernel. Evaluation is conducted using accuracy, precision, recall, and F1 score metrics. The results show that the SVM method, with hyperparameter tuning and text processing, achieved an accuracy of 98.74%, whereas the Naïve Bayes method only achieved 98.35%. Therefore, it can be concluded that the Support Vector Machine method is more effective than the Naïve Bayes method in detecting spam emails."