Pengelasan e-mel menggunakan kaedah perambat balik

E-mel merupakan antara perkhidmatan komunikasi yang paling popular dewasa ini. Penggunaan e-mel tidak melibatkan kos yang tinggi serta pantas di dalam menyampaikan maklumat. Namun begitu, lambakan e-mel spam banyak menimbulkan masalah kepada pengguna, organisasi dan penyedia servis Internet. E-mel...

Full description

Bibliographic Details
Main Authors:	Nor Azman Mat Ariff, Nazlia Omar
Format:	Article
Language:	English
Published:	Penerbit UKM 2008
Online Access:	http://journalarticle.ukm.my/5050/ http://journalarticle.ukm.my/5050/ http://journalarticle.ukm.my/5050/1/03.pdf

id	ukm-5050
recordtype	eprints
spelling	ukm-50502016-12-14T06:37:38Z http://journalarticle.ukm.my/5050/ Pengelasan e-mel menggunakan kaedah perambat balik Nor Azman Mat Ariff, Nazlia Omar, E-mel merupakan antara perkhidmatan komunikasi yang paling popular dewasa ini. Penggunaan e-mel tidak melibatkan kos yang tinggi serta pantas di dalam menyampaikan maklumat. Namun begitu, lambakan e-mel spam banyak menimbulkan masalah kepada pengguna, organisasi dan penyedia servis Internet. E-mel spam menyebabkan produktiviti kerja menurun dan kerugian dari segi penggunaan jalur lebar dan storan. Justeru itu, satu kajian telah dilakukan bagi menapis e-mel spam menggunakan rangkaian neural perambat balik. Data bagi kajian diperolehi dari e-mel peribadi penulis yang dikumpul selama 6 bulan. Perkataan yang wujud pada kandungan e-mel digunakan bagi melatih rangkaian neural. Perkataan terlebih dahulu diekstrak dari e-mel dan melalui pra proses data. Pra proses data melibatkan pembuangan kata henti, cantasan, penjanaan matriks perkataan e-mel dan umpukan pemberat terhadap perkataan. Perlaksanaan cantasan menggunakan algoritma Porter bagi perkataan bahasa Inggeris dan algoritma Fatimah bagi perkataan bahasa Malaysia. Umpukan pemberat bagi perkataan menggunakan TF-IDF dan teknik khi kuasa dua digunakan bagi memilih perkataan yang akan melatih rangkaian neural. Pemberat TF-IDF perkataan akan ditukar ke nilai 0 hingga 1 menggunakan pernormalan minimummaksimum sebelum menjadi input kepada rangkaian neural. Kriteria pemilihan model terbaik adalah berdasarkan kepada ketepatan ramalan set latihan tertinggi bagi rangkaian neural. Hasil eksperimen dibandingkan dengan kajian lepas mendapati gabungan pemberat TF-IDF dan khi kuasa dua memberikan keputusan ramalan yang memuaskan. Penerbit UKM 2008 Article PeerReviewed application/pdf en http://journalarticle.ukm.my/5050/1/03.pdf Nor Azman Mat Ariff, and Nazlia Omar, (2008) Pengelasan e-mel menggunakan kaedah perambat balik. Jurnal Teknologi Maklumat dan Multimedia, 5 . pp. 91-106. ISSN 1823-0113 http://www.ukm.my/jitm/vol5_2008_91-106.html
repository_type	Digital Repository
institution_category	Local University
institution	Universiti Kebangasaan Malaysia
building	UKM Institutional Repository
collection	Online Access
language	English
description	E-mel merupakan antara perkhidmatan komunikasi yang paling popular dewasa ini. Penggunaan e-mel tidak melibatkan kos yang tinggi serta pantas di dalam menyampaikan maklumat. Namun begitu, lambakan e-mel spam banyak menimbulkan masalah kepada pengguna, organisasi dan penyedia servis Internet. E-mel spam menyebabkan produktiviti kerja menurun dan kerugian dari segi penggunaan jalur lebar dan storan. Justeru itu, satu kajian telah dilakukan bagi menapis e-mel spam menggunakan rangkaian neural perambat balik. Data bagi kajian diperolehi dari e-mel peribadi penulis yang dikumpul selama 6 bulan. Perkataan yang wujud pada kandungan e-mel digunakan bagi melatih rangkaian neural. Perkataan terlebih dahulu diekstrak dari e-mel dan melalui pra proses data. Pra proses data melibatkan pembuangan kata henti, cantasan, penjanaan matriks perkataan e-mel dan umpukan pemberat terhadap perkataan. Perlaksanaan cantasan menggunakan algoritma Porter bagi perkataan bahasa Inggeris dan algoritma Fatimah bagi perkataan bahasa Malaysia. Umpukan pemberat bagi perkataan menggunakan TF-IDF dan teknik khi kuasa dua digunakan bagi memilih perkataan yang akan melatih rangkaian neural. Pemberat TF-IDF perkataan akan ditukar ke nilai 0 hingga 1 menggunakan pernormalan minimummaksimum sebelum menjadi input kepada rangkaian neural. Kriteria pemilihan model terbaik adalah berdasarkan kepada ketepatan ramalan set latihan tertinggi bagi rangkaian neural. Hasil eksperimen dibandingkan dengan kajian lepas mendapati gabungan pemberat TF-IDF dan khi kuasa dua memberikan keputusan ramalan yang memuaskan.
format	Article
author	Nor Azman Mat Ariff, Nazlia Omar,
spellingShingle	Nor Azman Mat Ariff, Nazlia Omar, Pengelasan e-mel menggunakan kaedah perambat balik
author_facet	Nor Azman Mat Ariff, Nazlia Omar,
author_sort	Nor Azman Mat Ariff,
title	Pengelasan e-mel menggunakan kaedah perambat balik
title_short	Pengelasan e-mel menggunakan kaedah perambat balik
title_full	Pengelasan e-mel menggunakan kaedah perambat balik
title_fullStr	Pengelasan e-mel menggunakan kaedah perambat balik
title_full_unstemmed	Pengelasan e-mel menggunakan kaedah perambat balik
title_sort	pengelasan e-mel menggunakan kaedah perambat balik
publisher	Penerbit UKM
publishDate	2008
url	http://journalarticle.ukm.my/5050/ http://journalarticle.ukm.my/5050/ http://journalarticle.ukm.my/5050/1/03.pdf
first_indexed	2023-09-18T19:43:13Z
last_indexed	2023-09-18T19:43:13Z
_version_	1777405729179697152

Pengelasan e-mel menggunakan kaedah perambat balik

Similar Items