Analisis Klasterisasi Malware: Evaluasi Data Training Dalam Proses Klasifikasi Malware

Data latih merupakan salah satu bagian penting pada proses klasifikasi. Terutama jika data tersebut digunakan untuk membuat sistem pendeteksi malware. Penelitian ini melakukan perbandingan data latih yang dihasilkan dari dua penelitian yang telah dilakukan sebelumnya, data yang digunakan pada kedua...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Denar Regata Akbi, Arini R Rosyadi
Formato:	article
Lenguaje:	EN ID
Publicado:	P3M Politeknik Negeri Banjarmasin 2018
Materias:	data latih klasifikasi klasterisasi malware system call Electrical engineering. Electronics. Nuclear engineering TK1-9971 Information technology T58.5-58.64
Acceso en línea:	https://doaj.org/article/81825e7a429e4749a62b50906602f299
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:81825e7a429e4749a62b50906602f299
record_format	dspace
spelling	oai:doaj.org-article:81825e7a429e4749a62b50906602f2992021-12-02T01:15:57ZAnalisis Klasterisasi Malware: Evaluasi Data Training Dalam Proses Klasifikasi Malware2598-32452598-328810.31961/eltikom.v2i2.88https://doaj.org/article/81825e7a429e4749a62b50906602f2992018-12-01T00:00:00Zhttp://eltikom.poliban.ac.id/index.php/eltikom/article/view/88https://doaj.org/toc/2598-3245https://doaj.org/toc/2598-3288Data latih merupakan salah satu bagian penting pada proses klasifikasi. Terutama jika data tersebut digunakan untuk membuat sistem pendeteksi malware. Penelitian ini melakukan perbandingan data latih yang dihasilkan dari dua penelitian yang telah dilakukan sebelumnya, data yang digunakan pada kedua penelitian tersebut merupakan data malware android berdasarkan frekuensi system call sejumlah 600 data. Penelitian pertama melakukan klasifikasi dan menghasilkan 4 jenis malware, sedangkan penelitian kedua melakukan klastering dan menghasilkan 8 klaster. Dari kedua penelitian tersebut, peneliti melakukan evaluasi data latih dari masing - masing penelitian untuk mendapatkan hasil data latih yang lebih akurat, dengan menggunakan data uji sejumlah 50, peneliti melakukan evaluasi dan uji coba dengan menggunakan algoritme kNN. Hasil yang didapatkan, penggunaan data latih berdasarkan hasil klastering pada proses klasifikasi lebih direkomendasikan, hasil Error Prediction penelitian pertama: 0,995 sedangkan pada penelitian kedua: 0,998. Hasil Recall dan akurasi menggunakan metode cross validation, penelitian pertama, Recall: 0,665 akurasi: 0,66, penelitian kedua, Recall: 0,893 akurasi: 0,89, sedangkan Hasil Recall dan akurasi menggunakan metode precentage split, penelitian pertama, Recall: 0,657 akurasi: 0,65, penelitian kedua, Recall: 0,798 akurasi: 0,79. Berdasarkan hasil pengujian, proses klastering yang menggunakan data frekuensi system call malware menghasilkan data latih yang lebih akurat dibandingkan dengan data latih yang dihasilkan dengan menggunakan suatu situs penamaan malware.Denar Regata AkbiArini R RosyadiP3M Politeknik Negeri Banjarmasinarticledata latihklasifikasiklasterisasimalwaresystem callElectrical engineering. Electronics. Nuclear engineeringTK1-9971Information technologyT58.5-58.64ENIDJurnal ELTIKOM: Jurnal Teknik Elektro, Teknologi Informasi dan Komputer, Vol 2, Iss 2, Pp 58-66 (2018)
institution	DOAJ
collection	DOAJ
language	EN ID
topic	data latih klasifikasi klasterisasi malware system call Electrical engineering. Electronics. Nuclear engineering TK1-9971 Information technology T58.5-58.64
spellingShingle	data latih klasifikasi klasterisasi malware system call Electrical engineering. Electronics. Nuclear engineering TK1-9971 Information technology T58.5-58.64 Denar Regata Akbi Arini R Rosyadi Analisis Klasterisasi Malware: Evaluasi Data Training Dalam Proses Klasifikasi Malware
description	Data latih merupakan salah satu bagian penting pada proses klasifikasi. Terutama jika data tersebut digunakan untuk membuat sistem pendeteksi malware. Penelitian ini melakukan perbandingan data latih yang dihasilkan dari dua penelitian yang telah dilakukan sebelumnya, data yang digunakan pada kedua penelitian tersebut merupakan data malware android berdasarkan frekuensi system call sejumlah 600 data. Penelitian pertama melakukan klasifikasi dan menghasilkan 4 jenis malware, sedangkan penelitian kedua melakukan klastering dan menghasilkan 8 klaster. Dari kedua penelitian tersebut, peneliti melakukan evaluasi data latih dari masing - masing penelitian untuk mendapatkan hasil data latih yang lebih akurat, dengan menggunakan data uji sejumlah 50, peneliti melakukan evaluasi dan uji coba dengan menggunakan algoritme kNN. Hasil yang didapatkan, penggunaan data latih berdasarkan hasil klastering pada proses klasifikasi lebih direkomendasikan, hasil Error Prediction penelitian pertama: 0,995 sedangkan pada penelitian kedua: 0,998. Hasil Recall dan akurasi menggunakan metode cross validation, penelitian pertama, Recall: 0,665 akurasi: 0,66, penelitian kedua, Recall: 0,893 akurasi: 0,89, sedangkan Hasil Recall dan akurasi menggunakan metode precentage split, penelitian pertama, Recall: 0,657 akurasi: 0,65, penelitian kedua, Recall: 0,798 akurasi: 0,79. Berdasarkan hasil pengujian, proses klastering yang menggunakan data frekuensi system call malware menghasilkan data latih yang lebih akurat dibandingkan dengan data latih yang dihasilkan dengan menggunakan suatu situs penamaan malware.
format	article
author	Denar Regata Akbi Arini R Rosyadi
author_facet	Denar Regata Akbi Arini R Rosyadi
author_sort	Denar Regata Akbi
title	Analisis Klasterisasi Malware: Evaluasi Data Training Dalam Proses Klasifikasi Malware
title_short	Analisis Klasterisasi Malware: Evaluasi Data Training Dalam Proses Klasifikasi Malware
title_full	Analisis Klasterisasi Malware: Evaluasi Data Training Dalam Proses Klasifikasi Malware
title_fullStr	Analisis Klasterisasi Malware: Evaluasi Data Training Dalam Proses Klasifikasi Malware
title_full_unstemmed	Analisis Klasterisasi Malware: Evaluasi Data Training Dalam Proses Klasifikasi Malware
title_sort	analisis klasterisasi malware: evaluasi data training dalam proses klasifikasi malware
publisher	P3M Politeknik Negeri Banjarmasin
publishDate	2018
url	https://doaj.org/article/81825e7a429e4749a62b50906602f299
work_keys_str_mv	AT denarregataakbi analisisklasterisasimalwareevaluasidatatrainingdalamprosesklasifikasimalware AT arinirrosyadi analisisklasterisasimalwareevaluasidatatrainingdalamprosesklasifikasimalware
_version_	1718403210167713792

Analisis Klasterisasi Malware: Evaluasi Data Training Dalam Proses Klasifikasi Malware

Ejemplares similares