arisdwi666 / klasifikasi-sms-spam-with-gradio Goto Github PK

Klasifikasi SMS Spam Berbahasa Indonesia Menggunakan Metode Multinomial Naive Bayes & Feature Selection Chi-Square dan Deploy menggunakan Gradio - Hosting menggunakan Hugging Face

Dataset diambil dari github https://github.com/ksnugroho/klasifikasi-spam-sms/ dengan jumlah data 1143 data. 569 data untuk SMS Normal, 335 data untuk Peniuan/Fraud, 239 data untuk Promo.

Permasalahan : SMS spam adalah pesan yang tidak diinginkan atau tidak diminta oleh pengguna, yang dapat mengganggu, menipu, atau bahkan merugikan pengguna.

Tujuan : Untuk mengklasifikasikan spam SMS dan mengembangkan sebuah sistem klasifikasi SMS spam berbahasa Indonesia yang efektif dan akurat menggunakan metode Multinomial Naive Bayes.

Model : Menggunakan algoritma klasifikasi Multinomial Naive Bayes (MNB) untuk mengklasifikasikan SMS menjadi spam atau non-spam berdasarkan fitur-fitur yang diekstrak.

Langkah-langkah penyelesaian meliputi:

1. Data Acquisition
2. Text Pre-processing
   1. Case Folding
   2. Filtering
   3. Stopword
   4. Stemming
3. Feature Engineering
   1. Feature Extraction - BoW & TF IDF
   2. Feature Selection - Chi-Square
4. Modelling (Machine Learning)
5. Model Evaluation
6. Deployment

Performa Model : Jumlah prediksi benar : 211

Jumlah prediksi salah : 18

Akurasi pengujian : 92.13973799126637 %

Confusion matrix:

[[106 1 1]

[ 6 64 1]

[ 6 3 41]]

Classification report:

           precision    recall  f1-score   support

       0       0.90      0.98      0.94       108
       1       0.94      0.90      0.92        71
       2       0.95      0.82      0.88        50
accuracy                           0.92       229

macro avg 0.93 0.90 0.91 229

weighted avg 0.92 0.92 0.92 229

Akurasi setiap split: [0.91266376 0.89956332 0.930131 0.89956332 0.91266376 0.91266376

0.94759825 0.89519651 0.89519651 0.89082969]

Rata-rata akurasi pada cross validation: 0.9096069868995634

Proses deployment:

• Load Model yang sudah disimpan
• Install Gradio
• Buat initerface untuk gradio nya
• siapkan requirements.txt
• unggah file yang dibutuhkan seperti notebooks, file app.py, requirements, datasetnya.

Link Web App nya : Arisdwi/gradio-sms-classifier