Perpustakaan Digital ITB

Malware merupakan sebuah perangkat lunak yang dapat menyusup ke system operasi. Perangkat lunak berbahaya atau malware saat ini mejadi salah satu ancaman keamanan dan privasi baik individu, perusahaan, pemerintahan dan masyarakat luas. Menurut data pada tahun 2021, AV-Test Institut telah mendaftarkan lebih dari 350.000 program malware dan aplikasi yang tidak diinginkan setiap harinya. Dari data tersebut menunjukan bahwa jumlah malware yang ditemukan akan terus mengalami peningkatan setiap tahunnya. Perkembangan malware yang kian pesat ini perlu diimbangi dengan metode deteksi yang canggih. Salah satu metode deteksi malware yang sedang berkembang menggunakan metode machine learning, metode ini diklaim lebih baik dibandingkan teknik deteksi tradisional menggunakan signature based. Dalam praktiknya metode deteksi malware menggunakan machine learning membutuhkan sampel malware atau dataset yang digunakan untuk melatih model dalam mengenali pola malware Tugas akhir dari Implementasi metode deep learning untuk deteksi malware mengunakan arsitektur CNN dengan hyperparameter tuning merupakan sebuah subsystem yang digunakan untuk evaluasi dataset gambar malware. Menggunakan Dataset yang terdiri dari 2 kelas yaitu malicious dan benign. Penelitian ini bertujuan untuk menganalisis jenis citra dan parameter yang mempengaruhi kinerja model sebelum dilakukan deployment. Analisa dilakukan dengan membandingkan hasil evaluasi dari pengaruh pemilihan jenis citra kemudian parameter resize citra, dan jumlah epoch. Berdasarkan hasil pengujian, Hasil evaluasi model terbaik dengan metrik akurasi sebesar 90% dapat dicapai dengan pemilihan citra RGB kemudian menerapkan parameter preprocessing resize citra menjadi 128×128 pixels dan jumlah epoch 50. Model dengan evaluasi terbaik disimpan dan dilakukan deployment model. Hasil deployment menunjukan hasil yang cukup baik dari segi tampilan dan fungsional tiap komponen.