USULAN
PENELITIAN DOSEN PEMULA
TIM PENGUSUL
STMIK DIPANEGARA
April 2015
RINGKASAN
Kata Kunci : email client, email spam, plug-in, Naive Bayes Classifier
DAFTAR ISI
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
PY 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 PY X didasarkan pada informasi sebelumnya yaitu peluang prior PY
PX Y . PY
PY 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
PC cX x
PC c . P X x C c
PC k . P X x C k (3)
k spam, ham
3. Peluang total adalah konstan untuk setiap kelas sehingga hanya perlu dihitung
PC c . P X x C c . Peluang prior PC c dapat dihitung dengan
sc
PC 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 :
PX Y , Z PX Z (4)
P X , Y , Z
P X , Y Z
PZ
P X , Y , Z PY , Z
.
PY , Z PZ
PX Y , Z . PY Z
Kebebasan
PX Z . PY 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 PX i C c
k
(6)
i 1
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
PC spam . P X x C spam PC 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].
BAB III
METODE PENELITIAN
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
Menangkap
Modem 1 300,000 300,000
Signal Provider
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 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
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
4. Perjalanan
6. Administrasi
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.
A. Identitas Diri
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
Pendahuluan
No. Tahun Judul Penelitian
Sumber* Jml (Juta Rp)
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
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
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.
Pengusul,
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
Volume/Nomor/ Nama
No. Judul Artikel Ilmiah Tahun Jurnal
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.
Pengusul,