Machine LearningMenengahFase D–FE4E6

Naive Bayes (Penyaring Spam)

Naive Bayes adalah model machine learning yang mengklasifikasi teks dengan menjumlahkan bukti dari tiap kata secara terpisah. Kata pemicu seperti gratis atau menang menambah skor ke arah SPAM, sedangkan kata biasa menariknya ke arah AMAN, lalu kelas dengan skor tertinggi dipilih. Visualisasi menampilkan sebuah pesan yang dipindai kata demi kata beserta skor yang naik hingga diberi label SPAM atau AMAN.

Contoh kasus

Cara email Gmail dan filter chat otomatis memisahkan pesan promo atau penipuan dari pesan penting temanmu.

Silabus

Klasifikasikan pesan dengan menjumlahkan skor tiap kata menuju kelas SPAM atau AMAN.

Tujuan Belajar

·Memahami cara AI menyaring spam dari kata-kata pemicunya
·Menjelaskan cara tiap kata menambah atau mengurangi skor sebuah kelas
·Menerapkan pemilihan kelas berdasarkan skor bukti tertinggi

Cara Kerja

·Pelajari kata mana yang sering muncul di pesan spam dan mana di pesan aman.
·Untuk pesan baru, mulai dari skor awal untuk tiap kelas.
·Tiap kata pemicu menambah skor ke kelas yang cocok dengannya.
·Anggap tiap kata berdiri sendiri agar penjumlahan skor jadi sederhana.
·Pilih kelas dengan skor akhir tertinggi sebagai keputusan SPAM atau AMAN.

Prasyarat

·Penjumlahan skor
·Konsep peluang sederhana

Contoh Nyata

·Filter spam di Gmail yang memindahkan email promo ke folder terpisah.
·Deteksi pesan penipuan berhadiah palsu di aplikasi chat.
·Penyaring komentar berisi tautan judi di kolom komentar media sosial.

Kompleksitas O(jumlah kata)