Optimalisasi Deteksi Spam Email Menggunakan LSTM dan Hyperparameter Tuning [SYJ, IAU]

Abstract

Perkembangan teknologi informasi di Indonesia telah meningkatkan penggunaan email sebagai sarana komunikasi utama, baik secara pribadi maupun profesional. Namun, peningkatan ini turut diiringi oleh meningkatnya ancaman spam email, yang tidak hanya mengganggu tetapi juga membahayakan pengguna melalui penyebaran malware dan serangan phishing. Tantangan ini semakin kompleks dalam konteks Bahasa Indonesia, yang memiliki karakteristik unik seperti slang, singkatan, dan kesalahan ketik, sehingga sulit dideteksi oleh metode tradisional. Penelitian ini mengusulkan pemanfaatan model Long Short-Term Memory (LSTM) untuk mendeteksi spam email berbahasa Indonesia dengan optimalisasi hyperparameter menggunakan teknik Grid Search, Random Search, dan Bayesian Optimization. Metode ini bertujuan untuk meningkatkan akurasi model dalam membedakan email spam dan non-spam secara efektif. Dataset yang digunakan bersumber dari data open-source, dan evaluasi performa dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Diharapkan, hasil dari penelitian ini dapat menjadi kontribusi dalam pengembangan sistem deteksi spam berbasis kecerdasan buatan yang lebih adaptif terhadap dinamika data teks Bahasa Indonesia.