ANALISIS KOMPARATIF ALGORITMA MACHINE LEARNING DALAM KLASIFIKASI PESAN SPAM JUDI ONLINE PADA MEDIA WHATSAPP

Maraknya pesan spam iklan judi online pada media sosial WhatsApp yang menggunakan teknik manipulasi teks (obfuscation) menjadi ancaman serius terhadap keamanan informasi pengguna. Penelitian ini bertujuan untuk melakukan analisis komparatif serta membandingkan performa algoritma Naïve Bayes, Random Forest, Decision Tree, KNN, Logistic Regression dalam mengklasifikasikan pesan spam iklan judi online. Dataset yang digunakan merupakan data sekunder yang diperoleh dari repositori publik Kaggle dan disaring secara spesifik memuat pesan berbahasa Indonesia. Tahapan penelitian dimulai dari text preprocessing (case folding, pembersihan tautan/simbol, normalisasi kata leetspeak, dan stemming), ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), hingga pembagian data latih dan data uji sebesar 80:20. Kinerja kedua algoritma dievaluasi dan dibandingkan berdasarkan metrik Confusion Matrix yang mencakup Accuracy, Precision, Recall, dan F1-Score. Hasil analisis komparatif menunjukkan bahwa algoritma Random Forest memberikan performa klasifikasi yang lebih superior dan stabil dengan tingkat akurasi sebesar 0.9617%, mengungguli algoritma Naïve Bayes yang menghasilkan akurasi sebesar 0.9504%. Pendekatan ensemble pada Random Forest terbukti lebih adaptif dalam menangani interaksi antar-fitur dan variasi penulisan teks manipulatif pada karakteristik pesan spam judi online di WhatsApp.