Abstrak. Kata Kunci : Aplikasi Chat, Text Mining, Spam filtering. vii

Transkripsi

1 Abstrak Internet telah menjadi sesuatu hal yang penting dalam perkembangan sarana komunikasi. Salah satu fasilitas komunikasi yang terdapat pada internet adalah internet relay chat atau yang sering dikenal dengan istilah chat. Aplikasi chat yang bersifat real time sering disalahgunakan untuk keperluan penyebaran virus, promosi, dan kepentingan lain yang dikenal dengan istilah spam. Tindakan spamming adalah pengiriman pesan yang tidak diinginkan oleh seseorang yang memiliki sebuah akun chat. Hal ini menyebabkan pemilik akun merasa tidak nyaman dengan kondisi tersebut. Berdasarkan permasalah tersebut maka dalam penelitian ini membuat sebuah aplikasi chat yang dapat menyaring pesan atau spam filtering dengan menerapkan text mining. Proses spam filtering dilakukan dengan dua tahap yaitu tahap text pre-processing dan analyzing. Kedua tahap ini dilakukan untuk menghitung bobot (W) keterhubungan kata spam dengan pesan. Berdasarkan hasil pengujian yang dilakukan pada aplikasi chat dengan menerapkan text mining untuk melakukan filtering terhadap pesan spam menghasilkan tingkat akurasi sebesar 91.41%. Kata Kunci : Aplikasi Chat, Text Mining, Spam filtering. vii

2 Abstract The Internet has become something important in the communication development. One communication facilities on the Internet is the Internet relay chat or known as chat. Chat applications in real time is often misused for the purpose of spreading the virus, promotions, and other interests known as spam. Spamming is the sending of unwanted messages by someone who has a chat account. This causes the chat account feel uncomfortable with the condition. Based on these problems this research create a chat application that can filter messages or spam filtering by applying text mining. Spam filtering process can be done in two phases: text pre-processing and analyzing. These two phases are carried out to calculate the weight (W) of connectedness with the word spam messages. Based on the results of tests performed on chat applications by applying text mining to perform filtering on spam messages generate the level of accuracy of 91.41%. Keywords: Application Chat, Text Mining, Spam filtering viii

3 DAFTAR ISI TESIS... i Lembar Pengesahan Pembimbing... ii Tesis Ini Telah Diuji pada... iv UCAPAN TERIMAKASIH... vi Abstrak... vii Abstract... viii DAFTAR ISI... ix DAFTAR GAMBAR... xi DAFTAR TABEL... xii DAFTAR ISTILAH DAN SINGKATAN... xiii BAB I PENDAHULUAN... 1 Latar Belakang... 1 Rumusan Masalah... 4 Batasan Masalah... 5 Tujuan Penelitian... 5 Manfaat Penelitian... 6 Keaslian Penelitian... 6 BAB II TINJAUAN PUSTAKA... 8 State Of The Art Review... 8 Data Mining Text Mining Algoritma TF/IDF (Term Frequency Inverse Document Frequency) 18 Confusion Matrix Spam Challenge-Response Filtering BAB III METODE PENELITIAN Metode Penelitian Identifikasi Masalah dan Perumusan Masalah ix

4 Analisa Sistem Desain Sistem Implementasi Sistem Aplikasi Chat Data Penelitian Text Mining Rancangan Database Rancangan User Interface BAB IV PEMBAHASAN DAN HASIL Proses Text Mining Text Pre-processing Tahap Analyzing Implementasi Chatting Pengujian Analisa Hasil Pengujian BAB V KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA x

5 DAFTAR GAMBAR Gambar 2. 1 Challenge Response Gambar 2. 2 Cara Kerja Sistem Challenge-response filtering Gambar 3. 1 Tahapan Penelitian Gambar 3. 2 Arsitektur Sistem Gambar 3. 3 Contoh Spam Gambar 3. 4 Spam Facebook Chat Gambar 3. 5 Spam Facebook Message Gambar 3. 6 Rancangan Interface Halaman Utama Gambar 3. 7 Rancangan Interface Halaman Master Kata Dasar Gambar 3. 8 Rancangan Interface Halaman Master Kata Penghubung Gambar 3. 9 Rancangan Interface Halaman Master Kata Spam Gambar Rancangan Interface Halaman Challenge Response Gambar Rancangan Interface Halaman Client Chat Gambar 4. 1 Hasil Filtering Gambar 4. 2 Master Kata Penghubung Gambar 4. 3 Daftar Kata Penghubung Gambar 4. 4 Hasil Stemming Gambar 4. 5 Menu Master Kata Dasar Gambar 4. 6 Kata Dasar Gambar 4. 7 Hasil Tagging Gambar 4. 8 Master Verb Dasar Gambar 4. 9 Form Verb Dasar Gambar Master List Spam Gambar Hasil Penghitungan Bobot Sistem Gambar Server Chat Gambar List Client Gambar Broadcast Pesan Gambar Form Client chat Gambar Form Client Chat Status Connected Gambar Pesan Diterima oleh Server Gambar Form Challenge Response Gambar Hasil Akurasi Gambar Grafik Perbandingan Tingkat Akurasi Gambar Perbandingan Hasil Pengujian Sistem xi

6 DAFTAR TABEL Tabel 2. 1 Mapping Jurnal Tabel 2. 2 Ilustrasi Penghitungan Bobot Tabel 2. 3 Confusion Matrix untuk Klasifikasi Biner Tabel 3. 1 Contoh Kategori Pesan Tabel 3. 2 Proses Tokenizing Tabel 3. 3 Proses Filtering Tabel 3. 4 Proses Stemming Tabel 3. 5 Proses Tagging Tabel 3. 6 Struktur Tabel Kata Penghubung Tabel 3. 7 Struktur Tabel Kata Dasar Tabel 3. 8 Struktur Tabel Verb Dasar Tabel 3. 9 Struktur Tabel Pengaturan Tabel Struktur Tabel Pesan Tabel Struktur Tabel Spam Tabel 4. 1 Tokenizing Kalimat Pesan Tabel 4. 2 Contoh Kata Penghubung dan Stopword Tabel 4. 3 Daftar Kata Dasar Tabel 4. 4 Daftar Verb Dasar Tabel 4. 5 Contoh Kata Spam Tabel 4. 6 Penghitungan Data Latih Tabel 4. 7 Klasifikasi Pesan Tabel 4. 8 Penghitungan Data Latih Tabel 4. 9 Hasil Pengujian Tabel Confusion Matrix Tabel Hasil Tingkat Akurasi Masing Masing Metode Tabel Perbandingan Hasil Pengujian Tabel Analisa Hasil Pengujian xii

7 DAFTAR ISTILAH DAN SINGKATAN Chat : layanan percakapan online ynag biasa digunakan pengguna internet untuk berbicara dengan pengguna lainnya. Chatting : aktivitas berkomunikasi langsung melalui pengetikan pesan dan merupakan percakapan real-time antara dua orang user atau lebih melalui jaringan komputer atau internet. Spam : tulisan tulisan/pesan sampah yang dikirim melalui atau media komunikasi lainnya secara berulang ulang/bertubi tubi tanpa diminta dan tidak dikehendaki oleh penerimanya. Term : suatu kata atau suatu kumpulan kata yang merupakan ekspressi verbal dari suatu pengertian atau dapat juga diartikan kata atau sejumlah kata yang dapat berdiri sendiri. Stopwords : kata umum (common words) yang biasanya muncul dalam jumlah besar dan dianggap tidak memiliki makna. xiii

8 BAB I PENDAHULUAN Latar Belakang Interconnection-networking adalah sebuah sistem global jaringan komputer yang saling menghubungkan antara satu dengan yang lain di seluruh penjuru dunia dengan menggunakan standart Internet Protocol Suite. Hadirnya teknologi informasi seperti internet ini telah membuka mata dunia akan sebuah dunia baru, interaksi baru, market place baru, dan memberikan peran penting sebagai sarana komunikasi. Internet Relay Chat atau yang sering dikenal dengan istilah chat, merupakan sumber daya di Internet yang memungkinkan dua orang atau lebih (group) melakukan dialog secara langsung atau real time dalam bentuk komunikasi yang tertulis (Abdul Kadir & Terra, 2003). Chatting sendiri merupakan istilah bagi pelaku atau orang yang memanfaatkan aplikasi tersebut untuk berkomunikasi. Aplikasi ini bersifat client server dimana server chat dapat ditempatkan pada salah satu komputer kemudian aplikasi chat yang diinstall pada komputer client dapat melakukan komunikasi dengan memanfaatkan layanan dari server tersebut. Seiring dengan perkembangan dunia teknologi informasi dan komunikasi, aplikasi chat berkembang pesat karena kebutuhan komunikasi real time yang begitu tinggi oleh para praktisi teknologi informasi dan komunikasi. Berbagai penelitianpun dikembangkan untuk aplikasi chat seperti penelitian yang dilakukan oleh Diny Wahyuni yang berjudul Pengembangan Aplikasi Pertukaran Pesan Berbasis Teks Melalui Jaringan Lokal (LAN) Menggunakan Microsoft Visual C Aplikasi Microsooft Visual C dapat membantu para pengguna komputer di dalam sebuah 1

9 jaringan yang terkoneksi atau badan badan hukum dalam pekerjaan sehingga dapat menghemat waktu, uang, dan tenaga (Diny Wahyuni, 2008). Selain itu banyak aplikasi chat yang bermunculan mulai dari vendor besar seperti Yahoo Messangger dan Google Talk, atau vendor dan konsorsium lain yang turut mengembangkan aplikasi sejenis dengan berbagai tujuan dan pendekatan. Seperti suatu kondisi dimana selalu ada sesuatu yang saling berlawanan, seperti ada hitam ada bagian yang putih, maka aplikasi chat yang muncul dan digunakan oleh begitu banyak orang akhirnya dimanfaatkan oleh beberapa pihak untuk melakukan tindakan spamming dimana mereka akan mengirimkan pesan yang tidak diinginkan oleh pemilik akun chat tersebut yang akhirnya akan menyebabkan pemilik akun merasa tidak nyaman dengan kondisi tersebut. Sama seperti spam yang terjadi pada , pesan sampah (spam message) tersebut dikirim untuk berbagai tujuan, mulai dari tujuan marketing sampai dengan kegiatan untuk merusak sistem dan mencuri informasi dari komputer korban yang salah mengklik suatu link yang terdapat dalam pesan sampah tersebut. Terkadang, pengirim pesan tersebut bukan hanya pengguna lain yang tidak terdaftar di dalam daftar kontak korban, tetapi bisa juga berasal dari pengguna yang telah menjadi teman korban dan terdaftar dalam daftar kontak korban tanpa disadari oleh pengguna yang bersangkutan bahwa pesan tersebut dikirim atas namanya. Hal ini terjadi, karena terdapat suatu software atau mesin otomatis tertentu yang dibangun untuk mengirimkan pesan tersebut secara otomatis ke semua daftar kontak atau akun yang dimilikinya. Pesan sampah menyebabkan pengguna pesan instan merasa tidak nyaman karena terus menerus memperoleh pesan yang tidak diinginkan. Bagi sebagian pengguna yang baru di dunia internet, minimnya pengetahuan mengenai pesan sampah (spam) dapat menyebabkan mereka menjadi korban dari pesan tersebut, dengan 2

10 berbagai kerugian mulai dari kerugian kehilangan materi sampai dengan kerusakan sistem yang dimilikinya. Berbagai cara dan aplikasi telah digunakan untuk mengatasi masalah spam yang bermula dari spam sampai dengan SMS spam. Seperti penelitian berjudul Content Based SMS Spam Filtering dengan metode Bayessian Filtering, dimana penelitian ini dilakukan untuk menyaring spam pada koleksi spam untuk SMS dalam dua bahasa yaitu Inggris dan Spanyol (Jose Maria Gomez, dkk., 2007). Semua itu dilakukan untuk mengurangi tingginya tingkat pemakaian pesan sampah yang dikirimkan ke semua pengguna internet yang memiliki akun tertentu. Beberapa aplikasi yang dibuat dan dipasarkan bersifat komersil sehingga tidak terlalu banyak yang menggunakannya. Melihat keadaan tersebut, dipandang perlu untuk membangun sebuah aplikasi yang dapat menutup akses pesan sampah untuk sampai ke akun pengguna dengan sifat aplikasi yang open source sehingga dapat dikembangkan dan diperbaiki oleh siapa saja. Selain itu, dengan digunakannya text mining kedalam aplikasi ini, diharapkan dapat memberikan suatu tingkat filtering yang tinggi terhadap pesan yang masuk untuk diterima atau tidak oleh sistem. Data mining adalah suatu istilah yang digunakan untuk kegiatan menemukan informasi atau pengetahuan di dalam basis data. Data mining merupakan suatu proses yang menggunakan teknik statistik, matematika, kecerdasan tiruan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Pada mulanya data mining dimanfaatkan oleh perusahaan atau organisasi besar untuk melakukan prediksi pasar, identifikasi customer serta berbagai tujuan bisnis lainnya. Saat ini, data mining mulai banyak digunakan untuk berbagai keperluan mulai dari bidang kesehatan, bisnis, 3

11 keamanan, cuaca dan lain sebagainya. Pada sebuah penetian text mining digunakan untuk sentiment analysis mengklasifikasikan opini berbahasa Inggris dan opini positif berbahasa Indonesia dengan menggunakan metode Naïve Bayes Classifier dan Support Vector Machine (Sumartini Saraswati, 2011). Text mining adalah salah satu bidang khusus dari data mining dimana yang membedakan keduanya adalah sumber data yang digunakan. Pada data mining data yang digunakan adalah data terstruktur sedangkan dalam text mining data yang digunakan adalah data yang tidak terstruktur atau semi terstruktur berupa teks. Data teks akan diproses menjadi data numerik agar dapat dilakukan proses lebih lanjut. Sehingga dalam text mining ada istilah preprocessing data yaitu proses pendahuluan yang diterapkan terhadap data teks yang bertujuan untuk menghasilkan data numerik. Rumusan Masalah Berdasarkan latar belakang di atas maka dapat dibuat suatu rumusan masalah dari penelitian ini adalah sebagai berikut : a. Bagaimana metode text mining dan teknik Challenge-response filtering dapat diterapkan untuk filtering pesan spam serta memperoleh pola kalimat pesan yang dinyatakan spam. b. Bagaimana tingkat akurasi dan response time dari sistem filtering spam dalam mengklasifikasikan pesan ke dalam kelompok spam dan non spam, serta faktor yang mempengaruhi tingkat akurasi dari sistem. 4

12 Batasan Masalah Sehubungan dengan luasnya cakupan yang dapat diambil dari penelitian ini, maka perlu dibuat batasan-batasan dalam penelitian ini, antara lain : a. Proses klasifikasi pesan dilakukan dengan menggunakan metode text mining dimana sebelumnya telah dilakukan pengelompokan terhadap beberapa pesan yang dianggap sebagai spam dan non spam. b. Pembelajaran untuk klasifikasi pesan dilakukan dengan menganalisa koleksi spam yang diperoleh dari Spam Archive ( yang biasanya dikirimkan melalui instant message serta beberapa contoh spam yang dikumpulkan secara mandiri. c. Data yang digunakan dalam pengujian spamming adalah hanya bahasa Inggris saja. d. Pembuatan sistem dilakukan dengan menggunakan perangkat lunak Visual Studio 2010 dengan menggunakan bahasa pemrograman C#, serta database menggunakan SQL Server Tujuan Penelitian Beberapa tujuan yang ingin dicapai melalui penelitian ini adalah sebagai berikut : a. Menghasilkan sebuah sistem aplikasi chatting yang dapat menyaring spam sehingga spam yang ada pada pesan tidak sampai ke client yang dituju. b. Mengetahui bagaimana metode text mining dan teknik Challenge-response filtering dapat diterapkan pada proses klasifikasi spam. 5

13 c. Mengetahui tingkat akurasi dan response time dari sistem filtering spam dalam mengklasifikasikan pesan ke dalam kelompok spam dan non spam. Manfaat Penelitian Manfaat yang bisa diperoleh dari hasil penelitian ini adalah : a. Mengurangi terjadinya spamming pada aplikasi chat sehingga tidak merugikan para pengguna aplikasi chat. b. Memperoleh nilai akurasi text mining saat digunakan untuk klasifikasi pesan yang dianggap sebagai spam. Keaslian Penelitian Berdasarkan penelitian yang akan diambil, penulis mengkaji topik yang berhubungan dengan spam filtering diantaranya jurnal, artikel, paper, white paper, buku, dan penelitian yang sudah ada sebelumnya. Penelitian mengenai spam filtering telah dilakukan sebelumnya dengan menggunakan beberapa metode pada aplikasi yang berbeda beda seperti pada SMS dan . Metode yang digunakan sebagai machine learning dalam penelitian penelitian tersebut antara lain seperti Naïve Bayes, C4.5, PART, dan Support Vector Machines (SVM). Terdapat juga spam filtering pada SMS menggunakan 12 metode klasifikasi diantaranya Naive Bayes (NB), Discriminative Multinomial Naive Bayes (DMNBtext), Multinomial Naïve Bayes (MNB), Support Vector Machine (SVM), Stochastic Gradient Descent (SGD), Voted Perceptron, K-Nearest Neighbor (KNN), K-Star, Decision Table, Decision Tree, AdaBoostM1, dan Voting. Dari semua penelitian yang telah dilakukan belum ada penelitian yang dilakukan untuk mengantisipasi spam pada internet messanger dengan menggunakan Text 6

14 Mining yang digabungkan dengan teknik Challenge-response filtering dimana sistem yang akan dihasilkan ini akan menjadi sebuah sistem anti spam yang disebut dengan Hybrid Filtering. Fishbone penelitian untuk penelitian ini dapat dilihat pada Gambar 1.1. Bidang pengelompokan berdasarkan tipe sumber spam, teknologi atau metode yang digunakan untuk spam filtering, bahasa yang digunakan dalam membangun sistem spam filtering, dan kelompok pemanfaatan data mining. Type Spamming Spam Filtering Techniques instant messaging web search engine spam mobile spam rule based filtering naive bayesian filtering forum challenge response support vector machine vector space model text mining Spam Filtering C# PHP Java SQL Delphi Description Estimation Prediction Clustering Classification Use Technology Data Mining Gambar 1. 1 Fishbone Penelitian 7