Kode/Nama Rumpun Ilmu : 461/Sistem Informasi

USULAN
PENELITIAN DOSEN PEMULA

IMPLEMENTASI PLUG-IN ANTI SPAM EMAIL CLIENT DENGAN

METODE NAIVE BAYES CLASSIFIER

TIM PENGUSUL

Nurlina, S. Kom., M.T (0929027601)

Nurlindasari Thamsir, S. Kom., M. T (0920038502)

STMIK DIPANEGARA
April 2015
 RINGKASAN

Sebagai pengguna email, tentunya sudah banyak pengalaman yang didapatkan

dalam bertransaksi via email tersebut. dari tahun ke tahun pengguna teknologi
email terus meningkat. Di samping sebagai pengguna dituntut juga adanya
penanganan dalam keamanan data yang cukup memakan waktu dan biaya.
Misalkan, antisipasi terhadap email yang bervirus, atau email yang berisikan
sekedar iklan atau spam semata yang membuat inbox email pengguna menjadi
melebihi kapasitas dan membuang banyak biaya maupun waktu dalam mendeteksi
virus dari email yang masuk secara manual ataupun otomatis tergantung dari
fasilitas email client yang digunakan oleh pengguna ataupun menyingkirkan email
yang tidak berguna (spam) dari inbox pengguna tersebut. Dari penelitian-
penelitian sebelumnya, email clientlah yang dilatih saja sehingga apabila
pengguna mengganti PC ataupun laptopnya, maka akan tidak efisien dan tidak
efektif lagi penggunaan email clientnya, karena otomatis pelatihan yang telah
dilakukan, hilang dengan sendirinya. Berangkat dari permasalahan tersebut, maka
peneliti berencana merancang suatu plug-in anti spam yang dipasang pada email
client khusus menyaring spam saja dari inbox pengguna dengan menggunakan
metode Naive Bayes Classifier. Plug-in tersebut nantinya akan digunakan oleh
pengguna yang akan bermanfaat dalam menyaring dan memisahkan email spam
dan email ham secara otomatis setelah dilakukan pelatihan. Sehingga apabila si
pengguna mengganti PC atau laptop yang bersistem operasi berbeda dari
sebelumnya, tidak akan mempengaruhi kualitas dari plug-in anti spam yang telah
diinstal selama email yang digunakan berdomain sama dengan sebelumnya.

Kata Kunci : email client, email spam, plug-in, Naive Bayes Classifier
 DAFTAR ISI

HALAMAN JUDUL .............................................................................................. i

HALAMAN PENGESAHAN ............................................................................... ii
RINGKASAN ....................................................................................................... iii
DAFTAR ISI......................................................................................................... iv
DAFTAR GAMBAR ............................................................................................ vi
BAB I PENDAHULUAN ...................................................................................... 1
1. 1 Latar Belakang ................................................................................... 1
1. 2 Rumusan Masalah .............................................................................. 3
1. 3 Batasan Penelitian .............................................................................. 5
1. 4 Tujuan Penelitian ............................................................................... 5
BAB II TINJAUAN PUSTAKA .......................................................................... 6
BAB III METODE PENELITIAN .................................................................... 15
3. 1 Lokasi dan Waktu Penelitian ........................................................... 15
3. 2 Parameter Penelitian ........................................................................ 15
3. 3 Sumber Data (Analisis Data) ........................................................... 15
3. 4 Tahapan Penelitian ........................................................................... 16
3. 5 Rancangan Penelitian ....................................................................... 16
BAB IV BIAYA DAN JADWAL PENELITIAN ............................................. 17
4. 1 Anggaran Biaya ............................................................................... 17
4. 2 Jadwal Penelitian ............................................................................. 19
DAFTAR PUSTAKA
DAFTAR LAMPIRAN
 DAFTAR GAMBAR
Nomor........................................................................................................Halaman
Gambar 1. Proses Pengiriman Email Pada Jaringan Lokal ..................................... 9
Gambar 2. Proses Pengiriman Email Pada Jaringan Luar ...................................... 9
Gambar 3. Komunikasi Mail Server ..................................................................... 12
Gambar 4. Cara Kerja Transfer Data Pada Email ................................................. 15
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi sekarang berkembang secara pesat. Khususnya di
bidang internet, karena informasi dapat menciptakan dunia baru, membawa
beragam dinamika dari dunia nyata. Seiring dengan perkembangan teknologi
banyak bentuk – bentuk penyerangan terhadap sebuah situs web site, baik itu
dilakukan oleh hacker, cracker, ataupun virus. Dengan makin banyaknya virus,
kenyamanan saat berinternet-an pun ikut berkurang. Salah satu fasilitas internet
yang sering kita gunakan adalah email. Akhir-akhir ini email merupakan hal yang
sangat penting bagi kita, manfaatnya sering kita rasakan. Kita dapat menerima
informasi atau bertukar pesan dengan cepat dan mudah. Karena fasilitas ini
mengharuskan kita terhubung ke internet (sebagian besar penggunaan email
terhubung ke internet kecuali dalam jaringan LAN/intranet) membuat resiko
terserang virus semakin tinggi. Salah satu bentuk varian virus atau malware
tersebut adalah spam. Spam yang berarti email sampah atau email yang tidak kita
butuhkan, merupakan kata yang sering didengar. Kata spam konon berasal dari
zaman viking dan tak ada sangkut pautnya dalam email (surat elektronik) yang
biasa kita gunakan. Sebenarnya email yang dianggap spam itu tergantung dari
sudut pandang masing-masing (sudut pandang subyektif secara individu). Contoh
misalnya,Alex yang seorang perancang busana mendapatkan email yang berisi
penawaran produk mode meskipun dia tidak menginginkannya tetapi dia tidak
menganggap hal itu sebagai spam tetapi lain halnya jika yang menerimanya
adalah Yusuf seorang tenaga IT disamping dia tidak menginginkannya dia juga
akan merasa terganggu dengan penawaran tersebut karena tidak berhubungan
sama sekali dengan dunia yang ia geluti (IT). Dampak buruk yang nyata atau
langsung dapat dirasakan dari pengguna email dari spam ini adalah waktu yang
terbuang sia-sia. Saat mengecek email yang ada pada inbox umumya pengguna
email memilah mana email yang benar-benar email (penting) mana yang spam,
tentu saja pengguna akan langsung menghapus spam saat menemukannya hal ini
akan menghabiskan waktu terkadang tak jarang email yang penting pun turut ikut
terhapus, hal ini tentu saja sangat merugikan. Bagi orang-orang yang tidak dapat
leluasa koneksi ke internet, bandwidth yang dibatasi oleh quota, juga quota pada
inbox email akan sangat merugikan jika terkena dari spam ini. Spam juga dapat
memborbardir mailing list dengan membuat copy-an suatu artikel yang sama . Di
lain pihak, spam adalah sebuah masalah yang multidimensional. Sebagai masalah
teknis, spammer menyalahgunakan atau menghabiskan resource jaringan.
Komunitas milis Spam Brigade menjuluki spam sebagai “the biggest waste of
bandwidth on the Internet and Usenet”. Spam bisa memenuhi mailbox,
mengakibatkan mailserver sibuk, dan memperlambat layanan lainnya. Sebagai
masalah bisnis, kegiatan spammer perlu dilawan karena banyak yang
mempraktikkan penipuan. Dan terakhir, seperti ditekankan oleh narasumber P. Y.
Adi Prasaja, spam juga sebuah masalah sosial: tindakan sebagian orang yang
seenaknya menyalahgunakan sebuah fasilitas publik seperti Internet. Padahal agar
fasilitas berjalan lancar diperlukan kerjasama dan sikap saling menjaga dari
semua penggunanya. Karena fasilitas email yang murah dan kemudahan untuk
mengirimkan ke berapapun jumlah penerima, maka spam mail menjadi semakin
merajalela. Pada survey yang dilakukan oleh Cranor & La Macchia (1998),
ditemukan bahwa 10% dari mail yang diterima oleh suatu perusahaan adalah
spam-mail atau spammer. [andri]
Tidak ada satupun cara yang benar-benar dapat mengatasi spam. Dari segi teknis
untuk mengurangi spam, yaitu filtering. Telah terdapat beberapa metode filtering
yang dapat digunakan untuk mencegah spam diantaranya : Keyword filtering,
Signature –Based Filtering, Bayesian (Statistical) Filtering, Rule-based
(heuristic) filtering, atau Challenge-response filtering. Filter anti spam yang
cukup handal untuk menghalau spam adalah Bayesian Filtering atau filter
Bayesian yang menggunakan algoritma Naive Bayes Classifier. Algoritma ini
bekerja memanfaatkan metode statistika Bayesian untuk mengklasifikasikan
dokumen dalam kategori tertentu berdasarkan tingkat kepercayaannya. Oleh
sebab itu, tulisan ini akan membahas bagaimana cara suatu plug-in anti spam
untuk memisahkan antara email spam dan email ham dengan algoritma Naive
Bayes Classifier.
Algoritma Naive Bayes Classifier akan digunakan oleh peneliti untuk
membuat atau merancang suatu plug-in. Plug-in ini yang akan menyimpan hasil
training terhadap data email spam dan email ham pada email client Thunderbird.
Plug-in dirancang oleh peneliti dengan tujuan agar user yang telah melatih / men-
training emailnya terhadap email spam dan email ham pada PC atau laptopnya,
tidak akan kewalahan dalam mendapatkan lagi aplikasi anti spam tersebut karena
apabila user mengganti atau menginstal ulang PC atau laptopnya karena
disebabkan oleh suatu hal, maka otomatis plug-in tersebut juga akan dapat
langsung diinstalnya pada email client yang digunakan. Jadi otomatis plug-in
tersebut juga sama dengan backup data yang mempermudah setiap user dalam
mengamankan emailnya dari spam ataupun ham.

1.2 Rumusan Masalah

1. Bagaimana menganalisis hasil pengklasifikasian email ham dan email spam
dengan menggunakan plug-in pada email client ?
Pengklasifikasian dilakukan dengan menggunakan teknik memperkenalkan
account email uji coba untuk mendapatkan respon langsung dari para
spammer dan mengirimkan input beberapa email dari sumber email lain yang
sudah berstatus ham dan spam
2. Bagaimana plug-in anti spam metode Naive Bayes Classifier di sisi email
client mampu mengklasifikasikan email ham dan email spam ?
Pada sistem ini, sejumlah sampel email ham dan email spam akan dikirimkan
untuk mengenali parameter-parameter dalam men-training plug-in anti spam
metode Naive Bayes Classifier, parameter tersebut digunakan sebagai
pengenalan cerdas bagi sistem untuk menyaring email. Dalam hal ini sistem
akan mengenali email tersebut berdasarkan apa yang sudah di-training-kan
pada plug-in anti spam dan akan mengklasifikasikan langsung ke dalam
masing-masing folder yang sudah ditentukan.
3. Bagaimana plug-in anti spam mampu melakukan pengenalan email klasifikasi
dengan data email secara acak?
Plug-in anti spam dikirimkan input email spam dan email ham yang pernah
ditraining dengan email yang belum pernah ditraining secara acak. Outputnya
berupa pengenalan terhadap email ham atau email spam tersebut berdasarkan
nilai yang ditraining dari email sebelumnya.
4. Berapa tingkat akurasi dan error dari plug-in anti spam metode Naive Bayes
Classifier dalam mengenali email ham dan email spam ?
Menghitung persentasi akurasi plug-in anti spam dalam mengenali setiap
email ham dan email spam yang ditraining maupun yang tidak ditraining.

1.3 Batasan Penelitian

Menganalisa hasil klasifikasi email spam dan email ham dengan hanya
memperhatikan header dan body dari email, dan mengklasifikasikan email spam
dan email ham menggunakan metode Naive Bayes Classifier pada plug-in email
client yang tidak dapat melakukan pengecekan terhadap sebuah attachment atau
file.

1.4 Tujuan Penelitian

Plug-in tersebut akan bermanfaat dan membantu pihak user dalam
mengelola email mereka dari serangan para spammer dan tidak akan mengulangi
pelatihan/training lagi bila user mengganti perangkat keras yang digunakan
sebelumnya, karena plug-in tersebut akan merekam pelatihan / training yang telah
dilakukan sehingga user tidak akan menunggu setahun lebih dalam mengulangi
penggunaan anti spam pada email client tersebut.
1. Untuk menganalisis hasil pengklasifikasian email ham dan email spam dengan
menggunakan metode Naive Bayes Classifier
2. Untuk mengklasifikasikan email ham dan email spam pada anti spam pada
plug-in anti spam metode Naive Bayes Classifier pada email client.
3. Untuk mengetahui tingkat akurasi plug-in anti spam dalam mengenali email
ham dan email spam.
4. Untuk membuat plug-in terhadap email spam dan email ham berdasarkan data
email yang ditraining ke dalam database secara otomatis dengan menerapkan
metode Naive Bayes Classifier
 BAB II
TINJAUAN PUSTAKA

Email Client, adalah tool atau software untuk mempermudah dalam mengatur
atau mengelola email secara offline (tidak terhubung koneksi internet). Dengan
adanya software email client, pesan email yang ada pada server email didownload
terlebih dahulu ke dalam komputer anda dan setelah semua email di download,
pesan email tersebut bisa anda kelola secara offline kapan saja tanpa harus
terhubung ke internet. Contoh software email client : Microsoft Outlook,
Thunderbird, Windows Live mail, dan lain-lain.Ada juga browser internet yang
sudah langsung terintegrasi dengan layanan email client, contoh web browser
tersebut adalah browser internet opera.

http://tutorialisme.students.uii.ac.id/cara-setting-popimap-dan-smtp-gmail-pada-
thunderbird-30/

Email Spam, Spam Email atau Email Spam adalah pesan email yang bersifat
menyalahi aturan dan biasanya berisi iklan ataupun yang lainnya sehingga
mengakibatkan ketidak nyamanan pengguna email. Spam email biasanya dikirim
dalam jumlah yang banyak atau secara terus-menerus sehingga akan memenuhi
inbox penerima email. Selain itu Spam email seringkali menggunakan software
pengirim otomatis sehingga pesan yang dikirimkan bisa dalam jumlah yang
banyak dan terus menerus. Banyak dari penyedia email membuat sistem untuk
menangkal terhadap adanya email spam.

Plug-in, pengertian plug-in harus disamakan dulu plug-in untuk apa dan dimana
dipakainya, karena plug-in itu bisa berarti macam macam, plug-in ada juga di
industri, di spare part dan sebagainya. Dalam dunia komputasi, plug-in yang juga
disebut plug-in, addin, add-in, addon, add-on, snap-in, snapin, mirip juga dengan
file extension, terdiri dari program computer yang berinteraksi dengan aplikasi
host ( suatu web browser atau email klien misalnya) untuk menyediakan hal
khusus, biasanya sangat spesifik fungsi yang diinginkan. Seringkali add-on
dianggap sebagai batasan umum dalam uraian plug-in, extensions dan theme
sebagai sub kategori. Suatu aplikasi didukung oleh plug-in ditujukan untuk
berbagai alasan, antara lain adalah memungkinkan buat pihak ketiga membuat
kemampuan tambahan pada aplikasi, mendukung fitur yang tidak terlihat,
menurunkan ukuran aplikasi dan memisah kode sumber karena tidak kompatibel
dengan software yang berlisensi. Contoh aplikasi termasuk dengan plug-innya
adalah Microsoft Office, Rockbox, Firmware untuk Digital Audio Players, Email
Client, Software Graphic, Media Player, Paket Sniffer, Aplikasi Sensing Remote,
Web Browser, beberapa Digital Mixing Console, Web Contain Management
Systems, menggunakan plug-in untuk meningkatkan fungsinya. Dengan kata lain,
Plug-in adalah sebuah program komputer yang menambah fungsionalitas sebuah
program utama. Program utama biasanya memberikan semacam antarmuka
(interface) agar plug-in dapat berinteraksi dengan program utama.

http://kompas.health-tips-diseases.com/2009/06/definisi-
plugin.htmlhttp://kompas.health-tips-diseases.com/2009/06/definisi-plugin.html

Email Client, untuk mengakses layanan email diperlukan aplikasi di sisi klien
sehingga pengguna dapat mendownload email. Aplikasi ini menghubungi email
server dengan mengirimkan informasi account user dan password. Apabila server
menerima account dan password tersebut maka email untuk suatu account akan
didownload ke klien, biasanya menggunakan protokol POP3. Apabila seorang
user mengirimkan email maka email server akan mendownload email tersebut
menggunakan protokol SMTP.
Naive Bayes Classifier, metode Bayesian Filtering merupakan metode anti spam
filter yang handal. Metode ini mengenali spam berdasarkan kata-kata (token) yang
terkandung pada sebuah email. Metode filter ini pertama kali perlu di-“training”
menggunakan dua koleksi email, satu koleksi merupakan spam-mail, dan koleksi
yang lain merupakan legitimate mail. Dengan cara seperti ini, pada setiap email
baru yang diterima, Bayesian Filter dapat memperkirakan probabilitas spam
berdasarkan kata-kata yang sering muncul di koleksi spam-mail atau di koleksi
legitimate mail. Bayesian Filter efektif untuk mem-blok spam karena filter ini
dapat secara otomatis mengkategorikan spam-mail atau legitimate mail.
 Naive Bayes Classifier, merupakan klasifikasi yang bersifat statistik, yang
dapat memprediksi peluang-peluang keanggotaan kelas, seperti peluang bahwa
suatu sampel yang diberikan termasuk kelas tertentu. Klasifikasi Naive Bayes
Classifier didasarkan pada teorema Bayes [Han. 2011].
Teorema Bayes, algoritma Naive Bayes Classifier dinamai sesuai nama
Thomas Bayes (1702-1761) yang pertama kali mengajukan persoalan statistik
yang kini dikenal sebagai teorema Bayes. Istilah Naive Bayes Classifier sendiri
baru muncul sekitar tahun 1950-an. Sebelumnya, teorema Bayes banyak dipakai
dalam berbagai bidang, mulai dari perhitungan matematis orbit benda langit,
statistika medis, hingga bidang hukum [Rachli. 2007].
Misalkan X merupakan sampel data yang tidak diketahui label kelasnya
dan Y melambangkan variabel kelas, untuk masalah klasifikasi akan dihitung
PY X , yaitu peluang kelas Y jika diberikan sampel data X . Peluang bersyarat

ini juga dikenal dengan peluang posterior untuk Y dengan syarat X . Peluang
posterior PY X  didasarkan pada informasi sebelumnya yaitu peluang prior PY 

yang bebas terhadap X . Teorema Bayes digunakan untuk menghitung peluang

posterior PY X  , dari PY  , P X  dan PX Y  .

PX Y . PY 
PY X   (1)
P X 
Filter Naive Bayes Classifier, bekerja dengan algoritma Naive Bayes
Classifier yang mendeteksi spam dengan cara menghitung probabilitas dari suatu
email berdasarkan isinya. Probabilitas ini dapat dihitung dengan terlebih dahulu
membuat suatu database email spam dan database email ham. Database tersebut
berisi kata-kata yang telah diekstraksi yang terdapat dalam email-email sampel.
Kemudian dengan suatu metode training, filter anti-spam yang menggunakan
algoritma Naive Bayes Classifier dapat dilatih untuk melihat kata-kata yang sering
digunakan pada email spam, sehingga pada akhirnya dihasilkan filter anti-spam
yang akurat dengan sekecil mungkin kesalahan [Han. 2011].
 Teorema Bayes dalam konteks spam, menyatakan bahwa peluang sebuah
email adalah spam, ditunjukkan oleh keberadaan beberapa kata (selanjutnya
disebut atribut) tertentu didalamnya, adalah sama dengan peluang untuk
menemukan atribut yang sama dalam sebuah email spam, dikalikan dengan
peluang bahwa sebuah email adalah spam, dibagi dengan peluang untuk
menemukan atribut yang sama dalam sembarang email [Rachli. 2007].
Pr kata spam . Pr spam 
Pr spam kata  (2)
Pr kata

Filter Naive Bayes Classifier merupakan penggolong Naive Bayes

Classifier yang sederhana dengan cara kerja sebagai berikut :

1. Setiap email diwakili oleh suatu vektor x   x1 , x2 ,..., xn , dimana

x1 , x2 ,..., xn merupakan nilai dari atribut X 1 , X 2 ,... X n .

2. Menghitung peluang posterior untuk kelas email spam dan email ham dengan

syarat X . Dari teorema Bayes dan teorema peluang total, diberikan vektor

x   x1 , x2 ,..., xn  pada suatu email, peluang bahwa email tersebut merupakan
milik kelas c yaitu :


 
PC cX x  
 

PC  c . P X  x C  c 
 

 PC  k . P X  x C  k  (3)
k spam, ham

3. Peluang total adalah konstan untuk setiap kelas sehingga hanya perlu dihitung
 
 
PC  c . P X  x C  c . Peluang prior PC  c  dapat dihitung dengan

sc
PC  c   , di mana sc merupakan jumlah email kelas c dalam sampel
s
training dan s merupakan jumlah seluruh email dalam sampel training.
4. Jika diberikan banyak atribut, maka akan sangat sulit untuk menghitung
 
 
P X  x C  c . Untuk mengurangi perhitungan dalam mengevaluasi

 
 
P X  x C  c , dibuat asumsi bahwa tidak ada ketergantungan antara atribut

yang satu dengan atribut yang lain atau yang biasa disebut kebebasan
bersyarat (conditional independence). Asumsi ini dibuat untuk
 menyederhanakan perhitungan dan inilah sebabnya disebut ”naive” [Han.
2011].
Kebebasan Bersyarat, misal X , Y , dan Z melambangkan tiga variabel acak.
Variabel X dikatakan bebas secara bersyarat Y , yang diberikan Z , jika
sesuai kondisi berikut :
PX Y , Z   PX Z  (4)

P X , Y , Z 
P X , Y Z  
PZ 
P X , Y , Z  PY , Z 
 .
PY , Z  PZ 

 PX Y , Z . PY Z 
Kebebasan
 PX Z . PY Z  (5)
bersyarat antara
X dan Y juga
dapat ditulis dalam bentuk berikut :
Persamaan (4) digunakan untuk memperoleh baris terakhir persamaan di atas.

 

P X C  c   PX i C  c 
k
(6)
i 1

Peluang PX i C  c  dapat dihitung dari data training yaitu PX i C  c  

sic
, di
sc

mana sic adalah jumlah email dalam kelas c dalam sampel training yang
mengandung atribut ke-i.

5. Email X termasuk kelas email spam jika dan hanya jika
   
   
PC  spam . P X  x C  spam  PC  ham. P X  x C  ham

Dengan kata lain, email X merupakan kelas dengan peluang posterior

  

P C  c X  x maksimum.
 Keakuratan dan Tingkat Kesalahan, probabilitas tiap kata adalah unik
untuk setiap user, dan dapat berubah sewaktu-waktu dengan adanya koreksi
apabila filter keliru melakukan klasifikasi terhadap sebuah email. Hasilnya,
akurasi filter anti-spam akan terus meningkat dari waktu ke waktu. Kemampuan
ini sangat membantu untuk menghindari terjadinya false positives, ketika filter
keliru mengidentifikasi email ham sebagai spam [Rachli. 2007]. False positives
adalah email ham yang ditujukan kepada penerima, tetapi karena kesalahan dari
filter anti-spam, dikategorikan menjadi email spam. Kesalahan dalam
menghambat email-email ham H  S  pada umumnya lebih berat dibandingkan
dengan membiarkan email-email spam melewati filter begitu saja S  H 
[Androutsopoulus. 2004]. Misalkan bahwa menghambat satu email ham sama
buruknya dengan membiarkan email spam sebanyak  melewati filter
H  S   S  H  , filter dapat ditraining untuk mengkategorikan email
sebagai spam jika :
  
P C  spam X  x 
 
 
P C  ham X  x  (7 )

Karena dianggap lebih beresiko maka dipilih nilai  tertentu untuk memperkecil
kemungkinan terjadinya false positive [Pratiwi. 2005].

Dalam pengklasifikasian, dua ukuran yang biasa digunakan adalah

keakuratan (accuracy) dan tingkat kesalahan (error rate).
n H H  nS S n H S  nS H
Acc  Err 
NH  NS NH  NS

Err  1  Acc (8)

Keterangan :
Acc : tingkat keakuratan
Err : tingkat kesalahan
n H S : jumlah email ham yang dihalangi filter

nS H : jumlah email spam yang melewati filter

nH H : jumlah email ham yang melewati filter

nS  S : jumlah email spam yang dihalangi filter

NH : jumlah seluruh email ham yang diklasifikasikan

NS : jumlah seluruh email spam yang diklasifikasikan

BAB III
METODE PENELITIAN

3.1 Lokasi dan Waktu Penelitian

Lokasi diadakannya penelitian ini pada Laboratorium STMIK Dipanegara
yang beralamat di Jalan Perintis Kemerdekaan km. 09 Makassar dan direncanakan
selama 12 bulan mulai bulan Juni 2016 sampai bulan Juni 2017.
3.2 Parameter Penelitian
Yang menjadi parameter dalam penelitian ini adalah sebagai berikut :
1. Parameter input yaitu email spam dan email ham
2. Parameter output yaitu false positive dan false negative atau akurasi dan error.
3.3 Sumber Data (Analisis Data)
Sumber data dalam penelitian ini adalah keseluruhan email spam dan
email ham yang masuk dalam inbox account try@yahoo.com.
3.4 Tahapan Penelitian
1. Studi Literatur (Literature Study). Sumber data yang didapatkan dengan
mengkaji literatur-literatur, buku-buku pustaka yang berkaitan dengan
masalah yang dibahas dan juga melalui artikel-artikel dari internet yang
relevan dengan permasalahan yang dibahas dalam penelitian ini.
2. Metode Pengambilan Data, yaitu Penelitian Lapangan (Field Research). Yaitu
dengan cara mengadakan pengamatan langsung terhadap obyek yang diteliti.
Untuk mendapatkan data di lapangan maka digunakan teknik observasi tanpa
wawancara langsung.
3.5 Rancangan Penelitian
 Terdapat beberapa tahapan yang dilaksanakan dalam penelitian ini sebagai
berikut :
1. Persiapan sebuah email baru dengan domain yahoo.com
2. Pengumpulan dan mempersiapkan data-data berupa : email spam dan email
ham dengan melakukan subscribe pada milis account yahoogroups
3. Persiapan data penyelidikan lapangan dengan menerapkan observasi untuk
mengetahui email ham, email spam, false positive dan false negative sehingga
didapatkan akurasi dan errornya.
4. Plug-in pada email client untuk training dan testing dengan menggunakan
algoritma Naive Naive Bayes Classifier yang diharapkan hasil kegiatan akhir
ini email client / user tidak dipenuhi oleh banyaknya email spam dan dapat
menerima semua email ham sesuai yang diharapkan.

BAB IV
BIAYA DAN JADWAL PENELITIAN
4. 1 Anggaran Biaya
1. Honor
Waktu
Honor/Jam Honor per
Honor (jam/m Minggu
(Rp) Tahun (Rp)
inggu)
Ketua 6,250 6 48 1,800,000
Anggota 5,000 5 48 1,200,000
SUB TOTAL (Rp) 3,000,000
2. Peralatan Penunjang
Justifikasi Kuanti Harga Biaya per
Material
Pemakaian tas Satuan (Rp) Tahun (Rp)
Mencetak
Catridge printer
proposal,
Canon MP 258 1 150,000 150,000
laporan,angket,
(Hitam)
dll
Catridge printer Mencetak
Canon MP 258 proposal, 1 161,000 161,000
(Warna) laporan,dll
 Bahan pencetak
Kertas A4 80 gr proposal, 4 40,000 160,000
laporan,dll

Jepitan kertas Menjepit kertas 12 2,000 24,000

Menangkap
Modem 1 300,000 300,000
Signal Provider

Pulsa Kartu Mengakses

12 150,000 1,800,000
Modem Internet

Bahan cetak
Tinta Printer 4
proposal, 8 25,000 200,000
warna 100 ml
laporan, dll
SUB TOTAL (Rp) 2,795,000
4. Perjalanan
Justifikasi Kuanti Harga Biaya per
Material
Pemakaian tas Satuan (Rp) Tahun (Rp)

Perjalanan dari Untuk mmbeli

12 10,000 120,000
rumah ke toko voucher modem

Perjalanan dari
Untuk mencari
rumah ke
referensi yg 12 32,000 384,000
perpustakaan dan
terkait
toko buku
SUB TOTAL (Rp) 504,000
5. Biaya Perancangan dan Pembuatan
Justifikasi Kuanti Harga Biaya per
Material
Pemakaian tas Satuan (Rp) Tahun (Rp)
Untuk
Biaya perancangan
merancang 1 1,800,000 1,800,000
perangkat keras
perangkat keras
Untuk
Biaya perancangan
merancang 2 2,000,000 4,000,000
perangkat lunak
perangkat lunak
SUB TOTAL (Rp) 5,800,000
6. Administrasi
 Nama Kegiatan Satuan Jumlah (Rp)
Penyusunan Proposal 4 exp @ Rp 25.250 101,000
Penyusunan Laporan Akhir 6 exp @ Rp 50,000 300,000
SUB TOTAL (Rp) 401,000
7. Publikasi Ilmiah dan Seminar
Nama Kegiatan Satuan Jumlah (Rp)
Seminar penelitian Satu kali 50 peserta @ 2,500,000
Rp. 50.000
SUB TOTAL (Rp) 2.500,000

TOTAL ANGGARAN YANG DIPERLUKAN SELAMA 1

15,000,000
TAHUN (Rp)
4. 2 Jadwal Penelitian
Bulan
No Jenis Kegiatan
1 2 3 4 5 6 7 8 9 10 11 12
1 Merancang plug-in anti spam
2 Subscribe account email lewat beberapa milis terkenal
3 Mengobservasi inbox pada email
4 Mengevaluasi plug-in anti spam melalui :
- Mengirim email ham
- Mengirim email spam
- Respon email spam dan email ham langsung
5 Mentraining total data email pada plug-in
Menghitung False Positif, False Negatif, Akurasi dan
6 Errornya
Mengimplementasikan plug-in anti spam pada laptop
7 berbeda
 DAFTAR PUSTAKA

Defiyanti, Sofi., D. L. Crispina Pardede. 2012. “Perbandingan Kinerja Algoritma

ID3 dan C4.5 Dalam Klasifikasi Spam Mail”. Universitas Gunadarma).
Diakses tanggal 26 Januari 2012 pukul 8.05 PM
Fiva, Rosalana. 2009. Langkah Mudah Administrasi Jaringan Menggunakan
Linux Ubuntu 9. Semarang, 2009.[Online]. Diakses tanggal 01 Agustus
2012 pukul 3:04 PM
http://repository.politekniktelkom.ac.id/Proyek%20Akhir/TK/JURNAL%2
0PA%20IMPLEMENTASI%20HIGH%20AVAILABILITY%20MAIL%2
0SERVER%20DENGAN%20MENGGUNAKAN%20POSTFIX,%20HE
ARBEAT,%20DAN%20DRBD.pdf
Graham, Paul. 2002. A Plan for Spam. http://www.paulgraham.com/spam.html.
Diakses tanggal 20 Agustus 2011 pukul 3.56 PM
Han, Jiawei and M. Kamber. 2011. "Data Mining: Concepts and Techniques".
USA: Academic Press.

Ian Androutsopoulos, John Koutsias, V. Chandrinos, George Paliouras, and C.

Spyropoulos. 2004. An evaluation of naive Naive Bayes Classifier anti-
spam filtering. In Workshop on Machine Learning in the New Information
Age.
Lambert, Anselm, Analysis of Spam, A dissertation in Computer Science at
University of Dublin, 2003. (Defiyanti, Sofi., D. L. Crispina Pardede.
“Perbandingan Kinerja Algoritma ID3 dan C4.5 Dalam Klasifikasi Spam
Mail”. Universitas Gunadarma). Diakses tanggal 26 Januari 2012 pukul
8.05 PM
O’Brien, . Cormac & Vogel, Carl “Comparing SpamAssassin with CBDF
email filtering”
Pratama, Ahmad Munasir Raf’ie. 2008. “Perancangan Dan Implementasi Mail
server Berbasis Qmail Pada Jcpanel Web Hosting Control Panel”.
Yogyakarta. Diakses tanggal 28 Juli 2012 pukul 5.05 PM
Rachli, Muhamad, 2007. Email Filtering menggunakan Naïve Naive Bayes
Classifier. Bandung : Tugas Akhir Jurusan Teknik Elektro Institut
Teknologi Bandung
Rafiudin, Rahmat. 2006. Membangun Server Email Berbasis Linux. Yogyakarta:
ANDI, [Online]. Diakses tanggal 01 Agustus 2012 pukul 3:04 PM
http://repository.politekniktelkom.ac.id/Proyek%20Akhir/TK/JURNAL%2
0PA%20IMPLEMENTASI%20HIGH%20AVAILABILITY%20MAIL%2
0SERVER%20DENGAN%20MENGGUNAKAN%20POSTFIX,%20HE
ARBEAT,%20DAN%20DRBD.pdf
Schwartz, Alan. 2004. eBook “SpamAssassin” [Online]United States of America :
O'Reilly Media, Inc.Diakses tanggal 19 juli 2011 pukul 9:36 AM
http://www.belajarpc.info/sekilas-tentang-perangkat-lunak-email-client.htm.
Diakses tanggal 03 Agustus 2012 pukul 10.45 AM
http://www.google.co.id/#hl=id&site=&q=400-384-1-
PB.pdf&btnK=Penelusuran+Google&oq=&aq=&aqi=&aql=&gs_sm=&gs
_upl=&gs_l=&bav=on.2,or.r_gc.r_pw.,cf.osb&fp=75d32aba47e07d75&bi
w=278&bih=331 Diakses tanggal 15 Pebruari 2012 pukul 4.54 PM
http://www.postfix.or.id/website/big-picture.html. Diakses tanggal 01 Agustus
2012 pukul 3:35 PM
http://alimargono.wordpress.com/2009/01/31/studi-banding by Alimargono.
Diakses tanggal 02 Juli 2012 pukul 17.14 Wita

http://digilib.petra.ac.id/viewer.php Diakses tanggal 16 Agustus 2011 pukul 4.03

PM
http://download.uniku.ac.id/rootbrain/administrasi%20server/Modul%20Mail%20
Server%20with%20Postfix.pdf Diakses tanggal 11 Pebruari 2012 pukul
2:50 PM
http://susitasulistyo.blogspot.com/2009/12/cara-kerja-transfer-data.html Diakses
tanggal 05 April 2012 pukul 6.30 AM
http://tutorial.smkn6dki.or.id/index.php?action=downloadfile&filename=Bab1_Ar
sitekturLayananEmail.pdf&directory=public_downloads/Buku_Ilmukomp
uter_Nop2009&PHPSESSID=13a8de33db95ee0cc86bc0c59a640ac0
Diakses tanggal 15 Pebruari 2012 pukul 4.54 PM
 LAMPIRAN 1
JUSTIFIKASI ANGGARAN PENELITIAN

1. Honor

Waktu
Honor/Jam Honor per
Honor (jam/minggu) Minggu
(Rp) Tahun (Rp)
4
Ketua 6,250 6 48 1,800,000
Anggota 5,000 5 48 1,200,000
SUB TOTAL (Rp) 3,000,000

2. Peralatan Penunjang

Harga
Harga Peralatan
Justifikasi
Material Kuantitas Satuan Penunjang
Pemakaian
(Rp) per Tahun
(Rp)
Menangkap Signal
Modem 1 300,000,- 300,000
Provider
Pulsa Kartu Mengakses
12 bulan 150.000,- 1,800,000
Modem Internet
SUB TOTAL (Rp) 2,100,000

3. Bahan Habis Pakai

Harga Biaya per

Justifikasi
Material Kuantitas Satuan Tahun
Pemakaian
(Rp) (Rp)
Catridge printer
Mencetak proposal,
Canon MP 258 1 150,000 150,000
laporan,angket, dll
(Hitam)
Catridge printer
Mencetak proposal,
Canon MP 258 1 161,000 161,000
laporan,dll
(Warna)
Bahan pencetak
Kertas A4 80 gr 4 40,000 160,000
proposal, laporan,dll
 Harga Biaya per
Justifikasi
Material Kuantitas Satuan Tahun
Pemakaian
(Rp) (Rp)
Jepitan kertas Menjepit kertas 12 2,000 24,000
Bahan cetak
Tinta Printer 4
proposal, laporan, 8 25,000 200,000
warna 100 ml
dll
SUB TOTAL (Rp) 684,000

4. Perjalanan

Harga Biaya per

Justifikasi
Material Kuantitas Satuan Tahun
Pemakaian
(Rp) (Rp)
Perjalanan dari Untuk membayar
rumah (kampus) pasca bayar kartu 12 10,000 120,000
ke toko modem
Perjalanan dari
Mencari referensi
rumah ke
sesuai kasus yang 12 32,000 384,000
perpustakaan/to
terkait
ko buku
SUB TOTAL (Rp) 504,000

5. Biaya Perancangan dan Pembuatan

Harga Biaya per

Justifikasi
Material Kuantitas Satuan Tahun
Pemakaian
(Rp) (Rp)
Biaya perancangan Untuk merancang
1 1,800,000 1,800,000
perangkat keras perangkat keras
Biaya perancangan Untuk merancang
2 2,000,000 4,000,000
perangkat lunak perangkat lunak
SUB TOTAL (Rp) 5,800,000

6. Administrasi

Nama Kegiatan Satuan Jumlah (Rp)

Penyusunan Proposal 4 exp @ Rp 25.250 101,000

Penyusunan Laporan 5 exp @ Rp 50,000 250,000

 Akhir

SUB TOTAL (Rp) 351,000

7. Publikasi Ilmiah dan Seminar

Nama Kegiatan Satuan Jumlah (Rp)

Seminar penelitian Satu kali 50 peserta @
2,500,000
Rp. 50.000
SUB TOTAL (Rp) 2.500,000

TOTAL ANGGARAN YANG DIPERLUKAN

15,000,000
SELAMA 1 TAHUN (Rp)
 LAMPIRAN 2
SUSUNAN ORGANISASI TIM PENELITI
DAN PEMBAGIAN TUGAS

Alokasi
Bidang Waktu
NO Nama NIDN Uraian Tugas
Ilmu (jam/
minggu)
1. Nurlina, S. 0929027601 Sistem 6 Jam/ Ketua Bertugas:
Kom., M.T Informasi Minggu 1. Sebagai koordinator selama
pelaksanaan penelitian
berlangsung.
2. Menganalisis penanganan
email.
3. Merancang konsep sistem.
4. Merancang dan membuat
perangkat keras sistem.
5. Merancang dan membuat
perangkat lunak sistem.
6. Mengevaluasi pengujian
sistem.
7. Mengimplementasikan
sistem.

2. Nurlindasari 0920038502 Manajemen 5 Jam/ Anggota Bertugas :

Thamsir Informatika Minggu 1. Mengumpulkan alat dan
bahan untuk penelitian.
2. Mengumpulkan literatur dan
data.
3. Membuat perangkat keras
sistem.
4. Membuat perangkat lunak
sistem.
5. Melakukan pengujian sistem
dengan menggunakan
metode black box.
6. Melakukan pengujian sistem
dengan menggunakan
metode statistik.
7. Mengimplementasikan
sistem
 LAMPIRAN 3

BIODATA KETUA PENELITI

A. Identitas Diri

1. Nama Lengkap (dengan gelar) Nurlina, S.Kom., M.T

2. Jenis Kelamin P
3. Jabatan Fungsional Asisten Ahli
4. NIP/NIK/ Identitas Lainya - / - / 737111 690276 0005
5. NIDN 0929027601
6. Tempat dan Tanggal Lahir Ujung Pandang / 29 Februari 1976
7. Email linanoer888@yahoo.com
8. Nomor Telepon/HP - / 085242092888
9. Alamat Kantor Jl. Perintis Kemerdekaan Km.9
10. Nomor Telepon/Faks 0411 (587194) / 0411 (588284)
11. Lulusan yang telah diselesaikan S-1=1000 Orang

12. Mata Kuliah yang Diampu 1. Interaksi Manusia dan Komputer

2. Pemodelan dan Simulasi Sistem
3. Praktikum Pemodelan dan
Simulasi Sistem
4. Praktikum Perangkat Lunak
Aplikasi

B. Riwayat Pendidikan

S-1 S-2
Nama Perguruan STMIK Dipanegara Univ. Hasanuddin
Tinggi Makassar Makassar
Bidang Ilmu Manajemen Informatika Teknik Informatika
 Tahun Masuk- 1995 – 2000 2008 – 2012
Lulus
Perancangan Sistem Studi Banding Spam-
Judul Informasi Pelayanan Wesel Assassin Dengan dan
Skripsi/Thesis/ Pos Dalam Negeri Pada Tanpa Anti Spam di Sisi
Disertasi POSINDO Kantor Cabang Client
Makassar
DR. Ir. Rhiza S. Sadjaad,
Nama
Drs. I Wayan Simpen, M.SI
Pembimbing/ MSEE dan DR. Armin
dan Drs. Badu Ahmad, MM
Promotor Lawi, MEng

C. Pengalaman Penelitian Dalam 5 Tahun Terakhir

Pendahuluan
No. Tahun Judul Penelitian
Sumber* Jml (Juta Rp)

Perancangan Aplikasi Yayasan

1 2009 Pemasaran Rumah Pada STMIK 3.000.000,00

PT. Pajaiang Indah Mks Dipanegara

Perancangan Sistem Yayasan
Informasi Akademik STMIK
2 2011 Berbasis Web Pada SMA Dipanegara 5.000.000,00

Negeri 4 Bantimurung
Kab. Maros
Perancangan Sistem Yayasan
Informasi Akademik STMIK
3 2012 6.000.000,00
Berbasis Client Server Dipanegara
Pada LP3I Cab. Mks
D. Pengalaman Pengabdian Kepada Masyarakat Dalam 5 Tahun Terakhir

Judul Pengabdian Kepada Pendanaan

No Tahun
Masyarakat Sumber* Jml (Juta Rp)
Pelatihan Multimedia Yayasan
1 2009 Tingkat Dasar Pada CV. Dipanegara 3.000.000,00
Media Ilmu Makassar Makassar
Pelatihan Software Dasar Yayasan
Micr. Excel Pada Dipanegara
2 2010 Penginputan Pemasukan Makassar 1.000.000,00
dan Pengeluaran Dana
Masjid Djabal Thariq
Pelatihan Internet I Pada Yayasan
3 2011 CV. Media Ilmu Makassar Dipanegara 5.000.000,00
Makassar
Pelatihan Jaringan Yayasan
Komputer di Kelurahan Dipanegara
4 2011 3.000.000,00
Gunung Sari Kec. Makassar
Rappocini Mks
Pelatihan Multimedia Pada Yayasan
5 2012 Kantor CV. Fika Karya Dipanegara 3.000.000,00
Mandiri Mks Makassar

E. Publikasi Artikel Ilmiah Dalam Jurnal Dalam 5 Tahun Terakhir

Volume/
No Judul Artikel Ilmiah Nama Jurnal
Nomor/Tahun
Perancangan Sistem Informasi Volume 08 - Jurnal IT
1 Kesiswaan Pada SMU Negeri 1 September 2012 STMIK
Marioriawa Kab. Soppeng ISSN : 2087-6505. Handayani
 Hal.: 69-80
Pengawasan Aktivitas dan
Volume 09,
Pembatasan Hak Akses User Jurnal IT
Desember 2012
2 Pada Sistem Operasi Windows di STMIK
ISSN : 2087-6505.
Bagian Divisi Keuangan PT. Handayani
Hal.: 96- 107
(Persero) Angkasa Pura I Mks

F. Pemakalah Seminar Ilmiah (Oral Presentation) Dalam 5 Tahun Terakhir

Nama Pertemuan Waktu dan

No Judul Artikel Ilmiah
Ilmiah/Seminar Tempat
Perancangan Sistem Informasi
Akademik Berbasis Client Server
1.
Prosiding Pada Lembaga Pendidikan Dan
Pengembangan Profesi Indonesia
(LP3I) Cabang Makassar
Perancangan Sistem Komputerisasi
Tes Masuk Calon Mahasiswa Baru
2. Prosiding Pada Sekolah Tinggi Manajemen
Informatika dan Komputer (STMIK)
Dipanegara Makassar

G. Karya Buku dalam 5 Tahun Terakhir

No Judul Buku Tahun Jumlah Penerbit

Halaman

H. Perolehan HKI Dalam 5 – 10 Tahun Terakhir

No Judul/Tema HKI Tahun Jenis Nomor P/ID

 I. Pengalaman Merumuskan Kebijakan Publik/Rekayasa Sosial
Lainnya Dalam 5 Tahun Terakhir

No. Judul/Tema/Jenis Rekayasa Sosial Tahun Tempat Respons

Lainnya yang Telah Diterapkan Penerapan Masyarakat

J. Penghargaan Yang Pernah Diraih Dalam 10 Tahun Terakhir (dari

pemerintah, asosiasi atau institusi lainnya)

No. Jenis Penghargaan Institusi Pemberi Penghargaan Tahun

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata
dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima risikonya
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan Penelitian Dosen Pemula.

Makassar, 01 Mei 2015

Pengusul,

(Nurlina, S. Kom., M.T)

 LAMPIRAN 3
BIODATA ANGGOTA PENELITI

3.6 Identitas Diri

1 Nama Lengkap Nurlindasari Tamsir, S.Kom.,MT

2 Jenis Kelamin Perempuan
3 Jabatan Fungsional Asisten Ahli
4 NIK 05211153
5 NIDN 0920038502
6 Tempat Tanggal Lahir Makassar, 20 maret 1985
7 e-mail Stmik14@gmail.com
8 Alamat Rumah Jl. Komp PU Malllengkeri BTN Tabaria Blok N.9
Kelurahan : Mangasa
Kecamatan : Tamalate
Kota : Makassar
Provinsi : Sulawesi Selatan
Kode Pos : 90221
9 Nomor Telepon Hp 085255013331
10 Alamat Kantor STMIK Dipanegara Makassar
Jl. Perintis Kemerdekaan Km. 9 Tamalanrea
11 Nomor Telepon 0411-587194
12 Lulusan yang telah S1 : 10.000 orang, S2 : -, S3 : -
dihasilkan
13 Mata kuliah yang diampu Pemrograman Terstruktur
Analisis dan Perancangan Sistem
Manajemen Proyek Sistem Informasi

A. Riwayat Pendidikan

S1 S2
Nama Perguruan STMIK Dipanegara Universitas Hasanuddin
Tinggi Makassar Makassar
Bidang Ilmu Sistem Informasi Teknik Elektro Konsentrasi
Teknik Informatika
Tahun Masuk – Tahun 2002 – 2007 2008 – 2010
Lulus
Judul Skripsi/Thesis Perancangan Sistem Sistem Pengambilan
Informasi Retribusi Parkir Keputusan dalam
Pada PD Parkir Makassar Menentukan Jurusan di SMA
 Raya Kota Makassar Negeri Makassar
Menggunakan Algoritma
Naïve Bayesian
Nama Indra Samsie, M.Kom Prof. Dr. Ir. H.Muh. Arief,
Pembimbing/Promotor Marsellus O.Kadang, Dipl.Ing
Dr. Armin Lawi, M. Eng
S.Kom

3.7 Pengalaman Penelitian Dalam 5 Tahun Terakhir

Pendanaan
No. Tahun Judul Penelitian
Sumber * Jumlah (Juta Rp)

3.8 Pengalaman Pengabdian Kepada Masyarakat Dalam 5 Tahun Terakhir

Pendanaan
No. Tahun Judul Penelitian
Sumber * Jumlah (Juta Rp)

3.9 Publikasi Artikel Ilmiah Dalam Jurnal Dalam 5 Tahun Terakhir

Volume/Nomor/ Nama
No. Judul Artikel Ilmiah Tahun Jurnal

3.10 Pemakalah Seminar Ilmiah (Oral Presentation) Dalam 5 Tahun

Terakhir

No. Nama Pertemuan Ilmiah / Judul Artikel Ilmiah Waktu dan

Seminar Tempat

3.11 Karya Buku dalam 5 Tahun Terakhir

No. Judul Buku Tahun Jumlah Halaman Penerbit

3.12 Perolehan HKI Dalam 5 – 10 Tahun Terakhir

No. Judul/Tema HKI Tahun Jenis Nomor P/ID

3.13 Pengalaman Merumuskan Kebijakan Publik/Rekayasa Sosial
Lainnya Dalam 5 Tahun Terakhir

No. Judul/Tema/Jenis Rekayasa Sosial Tahun Tempat Respons

Lainnya yang Telah Diterapkan Penerapan Masyarakat

3.14 Penghargaan Yang Pernah Diraih Dalam 10 Tahun Terakhir (dari

pemerintah, asosiasi atau institusi lainnya)

No. Jenis Penghargaan Institusi Pemberi Penghargaan Tahun

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata
dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima risikonya
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan Penelitian Dosen Pemula.

Makassar, 01 Mei 2015

Pengusul,

(Nurlindasari Thamsir, S. Kom., M.T)