Abstract:
Maraknya kejahatan siber melalui Short Message Service (SMS) atau smishing
menimbulkan kerugian finansial dan pencurian data pribadi di masyarakat. Sistem
penyaringan konvensional yang berbasis pencocokan kata kunci (keyword
matching) sering kali gagal mendeteksi taktik penyamaran teks yang digunakan
oleh pelaku kejahatan. Penelitian ini bertujuan untuk merancang dan membangun
aplikasi pemfilteran SMS penipuan otomatis pada platform Android guna
memberikan perlindungan kepada pengguna secara real-time. Pendekatan yang
digunakan adalah metode Deep Learning dengan algoritma 1D-Convolutional
Neural Network (1D-CNN) untuk mengekstraksi fitur pola kalimat bahasa
Indonesia secara otomatis. Dataset yang digunakan berjumlah 1.591 baris pesan,
yang terdiri dari 920 pesan berlabel normal dan 671 pesan berlabel penipuan,
dengan pembagian 80% data latih dan 20% data uji. Aplikasi dikembangkan
menggunakan kerangka kerja React Native, di mana model kecerdasan buatan
diintegrasikan langsung pada sisi perangkat pengguna (client-side) menggunakan
pustaka TensorFlow.js. Untuk menjaga stabilitas aplikasi dari kendala force close,
komputasi model dieksekusi menggunakan unit pemroses sentral (CPU). Hasil
pengujian menunjukkan model 1D-CNN mencapai tingkat akurasi sebesar 96,31%,
dengan nilai presisi 94% dan sensitivitas (recall) sebesar 96% dalam mendeteksi
pesan penipuan. Pengujian fungsional memvalidasi bahwa aplikasi mampu
melakukan pemindaian pesan masuk di latar belakang secara berkala melalui
mekanisme looping setiap 5 detik, memberikan notifikasi peringatan ancaman
dengan akurat, serta menyediakan fitur pemindaian teks manual dan kotak masuk
secara massal. Dapat disimpulkan bahwa implementasi algoritma 1D-CNN pada
aplikasi mobile terbukti efektif sebagai solusi pelindung perangkat dari ancaman
rekayasa sosial.
