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

Abstract

 Perkembangan teknologi informasi di Indonesia telah meningkatkan peng
gunaan email sebagai sarana komunikasi utama, baik secara pribadi maupun
 profesional. Namun, peningkatan ini turut diiringi oleh meningkatnya an
caman 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 karakteris
tik 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 Indo
nesia 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