Deteksi Malware menggunakan Metode Stacking berbasis Ensemble
| Main Authors: | Rafrastara, Fauzi Adi; Universitas Dian Nuswantoro, Supriyanto, Catur; Universitas Dian Nuswantoro, Paramita, Cinantya; Universitas Dian Nuswantoro, Astuti, Yani Parti; Universitas Dian Nuswantoro |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Politeknik Harapan Bersama
, 2023
|
| Subjects: | |
| Online Access: |
http://ejournal.poltektegal.ac.id/index.php/informatika/article/view/4606 http://ejournal.poltektegal.ac.id/index.php/informatika/article/view/4606/pdf_142 |
Daftar Isi:
- Serangan malware kian hari kian memprihatinkan. Evolusi malware yang cepat dan semakin destruktif menimbulkan kekhawatiran bagi banyak pihak. Oleh karena itu, deteksi malware yang efektif sangat dibutuhkan. Data mining memainkan peran yang krusial dalam bidang ini, mengingat algoritma-algoritma yang ada pada data mining bisa dilatih hingga menghasilkan akurasi yang paling tinggi. Untuk mengklasifikasi suatu file, apakah tergolong malware atau tidak, dalam penelitian ini metode stacking digunakan karena dapat meningkatkan akurasi jika dibandingkan dengan algoritma-algoritma klasifikasi konvensional. Empat Algoritma dilibatkan dalam eksperimen yang dilakukan, yaitu: Neural Network, Random Forest, kNN, dan Logistic Regression. Tiga algoritma pertama digunakan sebagai classifier pada level 0, sementara itu Logistic Regression digunakan classifier pada level 1 (meta classifier). Dengan kombinasi 4 algoritma tersebut, akurasi yang diperoleh adalah sebesar 98.7%, dan akurasi tersebut merupakan yang paling tinggi jika dibandingkan dengan masing-masing algoritma jika dieksekusi secara individual.