Menurut data dari Truecaller insight 2021, Indonesia berada di posisi ke-6 di seluruh dunia sebagai negara dengan SMS dan panggilan spam terbanyak di dunia. Spam yang dimaksud disini merupakan informasi atau promosi yang tidak diharapkan oleh pengguna, seperti informasi mengenai layanan finasial, informasi dari sales atau bahkan informasi yang tidak benar seperti SMS penipuan ataupun scam. Menurut penelitian yang dilakukan Indiarto pada tahun 2016 ada dua cara untuk mengatasi spam, yang pertama memblokir kontak, yang kedua melakukan identifikasi teks yang termasuk spam atau klasifikasi. Klasifikasi adalah salah satu cara mengelompokkan data sesuai dengan keanggotannnya. Banyak sekali metode yang dapat digunakan untuk klasifikasi. Pada penelitian ini, klasifikasi dilakukan dengan tiga metode, yaitu dengan menggunakan algoritma Multinomial Naïve Bayes, Support Vector Machine dan Random Forest. Ketiga algoritma tersebut dipilih berdasarkan efektifitasnya berdasarkan penelitian-penelitian yang telah dilakukan sebelumnya, seperti penelitian yang dilakukan Oktanisa pada tahun 2018, penelitian yang dilakukan pada tahun 2020 oleh Hairani dan penelitian yang dilakukan oleh Kontsewaya pada tahun 2021. Data yang digunakan dalam penelitian ini diambil dari data penelitian yang dilakukan oleh Rahmi dan Wibisono pada tahun 2016 mengenai klasifikasi SMS spam dengan algoritma Naïve Bayes. Data tersebut berisi SMS berbahasa Indonesia. Hasil penelitian membuktikan ketiga algoritma tersebut efektif mengklasifikasikan SMS spam. Klasifikasi dengan algoritma Multinomial Naïve Bayes memiliki akurasi sebesar 94.76%, Support Vector Machine memiliki akurasi 95.63%, sedangkan algoritma Random Forest memiliki akurasi sebesar 91.27%. Algoritma Support Vector Machine memiliki akurasi tertinggi dibandingkan dengan dua algoritma lain. Tetapi, dalam memprediksi data baru, algorima Multinomial Naïve Bayes dan Support Vector Machine gagal memprediksi satu dari 8 data, sedangkan algoritma Random Forest dapat memprediksi semua data secara benar. Hal tersebut terjadi karena model yang dihasilkan oleh algoritma Support Vector Machine dan Multinomial Naïve Bayes belum mempelajari data yang serupa sehingga tidak dapat memprediksi data dengan benar.