Perpustakaan Digital ITB

Android merupakan salah satu sistem operasi yang banyak digunakan oleh masyarakat. Banyaknya aplikasi yang dikembangkan pada sistem operasi Android menyebabkan malware ikut tumbuh dan berkembang di aplikasi – aplikasi tersebut sehingga diperlukan metode deteksi malware pada Android. Metode ini berfungsi agar aplikasi yang terinfeksi oleh malware tidak masuk ke Android marketplace dan menyebar. Salah satu metode deteksi yang digunakan adalah pendeteksian menggunakan machine learning. Akan tetapi malware berevolusi dengan cepat sehingga menimbulkan permasalahan berupa perubahan karakteristik dan feature dari malware yang menyebabkan akurasi deteksi menggunakan machine learning menurun. Solusi permasalahan tersebut adalah menggunakan online learning sebagai metode deteksi malware pada Android. Online learning merupakan salah satu cabang dari machine learning. Beberapa penelitian telah berhasil menyelesaikan permasalahan deteksi malware pada Android menggunakan online learning bahkan akurasi semakin meningkat. Akan tetapi, muncul permasalahan lain yaitu penerapan analisis statis sebagai teknik analisis dalam penelitian – penelitian tersebut. Analisis statis merupakan sebuah teknik analisis yang dilakukan terhadap feature yang diekstrak dari sebuah aplikasi. Teknik ini memiliki kelemahan yaitu rentan terhadap code obfuscation, dynamic code loading serta efektivitas dan akurasi yang rendah. Oleh karena itu, perlu dilakukan penelitian yang bertujuan untuk meningkatkan akurasi serta mengatasi permasalahan yang disebabkan oleh penerapan analisis statis tersebut. Pada penelitian dirancang sebuah metode ensemble untuk meningkatkan akurasi deteksi malware pada Android dari teknik analisis ensemble dengan menggabungkan teknik analisis statis dan analisis dinamis dan sisi teknik klasifikasi dengan menggabungkan online learning