KLASIFIKASI SERANGAN MALWARE ANDROID BERDASARKAN ANALISIS FITUR DINAMIS MENGGUNAKAN ALGORITMA RANDOM FOREST

Fauzi, Arqi Muhammad (2024) KLASIFIKASI SERANGAN MALWARE ANDROID BERDASARKAN ANALISIS FITUR DINAMIS MENGGUNAKAN ALGORITMA RANDOM FOREST. Sarjana thesis, Universitas Siliwangi.

	Text 1. COVER.pdf Download (190kB)
	Text 2. Lembar Pengesahan Draft TA.pdf Download (198kB)
	Text 3. Lembar Pengesahan Penguji.pdf Download (179kB)
	Text 4. Lembar pernyataan keaslian.pdf Download (198kB)
	Text 6. MOTTO DAN PERSEMBAHAN.pdf Download (258kB)
	Text 5. ABSTRAK.pdf Download (474kB)
	Text 7. Daftar isi, gambar, tabel, kode, persamaan, lampiran.pdf Download (361kB)
	Text 8. BAB I PENDAHULUAN.pdf Download (317kB)
	Text 9. BAB II TINJAUAN PUSTAKA.pdf Download (815kB)
	Text 10. BAB III METODOLOGI PENELITIAN.pdf Download (443kB)
	Text 11. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (733kB)
	Text 12. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Repository staff only Download (186kB)
	Text 13. DAFTAR PUSTAKA.pdf Download (411kB)
	Text 14. LAMPIRAN.pdf Restricted to Repository staff only Download (398kB)

Abstract

Perkembangan teknologi informasi saat ini telah membawa banyak kemajuan di berbagai bidang, termasuk pada perangkat bergerak yaitu smartphone. Android menjadi sistem operasi seluler yang mendominasi pasar dengan persentase 71,54% lebih besar dibandingkan sistem operasi lainnya pada September 2022. Seiring dengan tingginya jumlah pengguna Android, hal tersebut justru dapat menjadikan mereka sebagai target utama serangan malware. Malware merupakan perangkat lunak berbahaya yang dirancang untuk menyebabkan kerusakan pada sistem, mencuri data, dan mendapatkan akses tanpa izin pada suatu sistem. Berdasarkan ancaman tersebut, identifikasi dan analisis lebih dalam perlu dilakukan mengingat risiko dan dampak negatif yang ditimbulkan oleh serangan malware cukup besar. Pendekatan dengan algoritma machine learning dalam melakukan identifikasi malware android, menjadi fokus penelitian yang signifikan pada beberapa dekade terakhir. Penelitian ini akan berfokus pada klasifikasi serangan malware android berdasarkan analisis fitur dinamis menggunakan pendekatan algoritma Random Forest. Tahapan dalam penelitian meliputi preparation data, preprocessing data, pengembangan model dan evaluasi model. Performa model klasifikasi dengan algoritma Random Forest menunjukkan hasil yang sangat baik dengan mendapatkan nilai accuracy, precision, recall, dan f1-score sebesar 98%. Berdasarkan hasil evaluasi confusion matrix, dapat diambil kesimpulan bahwa model mampu mengidentifikasi setiap kelas atau kategori malware dengan baik, hal tersebut dapat dilihat dari nilai True Positive (TP) yang hampir seimbang dari setiap kelas. Kata Kunci: Android, Malware, Klasifikasi, Machine Learning, Random Forest, Confusion Matrix

Actions (login required)

View Item