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.