Perbandingan Algoritma Naive Bayes Dan K-Nearest Neighbor Pada Klasifikasi Email

Abstrak

Penelitian ini membandingkan algoritma Naive Bayes dan K-Nearest Neighbor (KNN) dalam klasifikasi email menggunakan fitur TF-IDF. Dataset terdiri atas 5.572 email yang diproses melalui pelatihan dan evaluasi model dengan validasi silang 5-fold. Metode evaluasi mencakup akurasi, precision, recall, F1-score, dan ROC/AUC. Hasil menunjukkan Naive Bayes unggul dengan akurasi 98,38% dan AUC 0,98 dibandingkan KNN yang mencapai akurasi 92,47% dan AUC 0,82. Naive Bayes lebih stabil dalam recall pada kelas spam (89%), sementara KNN memiliki precision sempurna (100%) namun rendah recall (44%).

Identifier

• OpenAlex: https://openalex.org/W4415771698
• DOI: https://doi.org/10.33998/jakakom.2025.5.2.2378