RANCANG BANGUN APLIKASI PEMFILTERAN SMS PENIPUAN OTOMATIS PADA PLATFORM ANDROID MENGGUNAKAN REACT NATIVE DAN METODE DEEP LEARNING

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.