Perpustakaan Digital ITB

ABSTRAK PENGEMBANGAN TEKNIK KLASIFIKASI MALWARE BERBASIS MACHINE LEARNING NEURAL NETWORK DAN DISCRETE-TIME MARKOV CHAIN Oleh Devani Claudia Lumban Gaol NIM: 23219349 (Program Studi Magister Teknik Elektro) Malware atau Malicious Software adalah program komputer atau perangkat lunak yang dibuat dan dirancang untuk merusak dan mengganggu sistem komputer, yang merupakan bagian dari aktivitas kejahatan siber, sehingga diperlukan suatu metode dalam mendeteksi malware. Teknik deteksi malware dikategorikan menjadi metode static dan metode dinamik. Kedua teknik ini masih memiliki kelemahan sehingga digunakanlah machine learning yang dapat mengatasi kelemahan kedua teknik tersebut. Convolutional Neural Network (CNN) merupakan jenis neural network yang biasanya digunakan untuk deteksi dan klasifikasi malware pada data gambar. Namun pada beberapa pengujian klasifikasi dengan dataset tertentu, CNN masih belum dapat bekerja dengan maksimal. Maka dari itu, diperlukan suatu pengembangan untuk dapat meningkatkan kinerja CNN dalam melakukan klasfikasi. Pada tesis ini diajukan metode klasifikasi malware dengan CNN menggunakan fitur ekstraksi dari model probabilitas transisi Discrete-Time Markov Chain sebagai masukan untuk transfer knowledge. Tujuan pengembangan algoritma ini adalah memberikan hasil performansi yang lebih baik dibanding CNN konvensional. Berbagai skenario dilakukan untuk mendapatkan hasil perbandingan performansi terbaik. Performansi terbaik didapatkan saat model dijalankan dengan dataset probabilitas transisi markov orde 1 dengan nilai accuracy 94% , precision 95%, recall 95%,dan f1-score 95%. Kata kunci: Malware, CNN, klasifikasi, probabilitas transisi markov.