Art Original

Perbandingan Metode Algoritma Machine Learning Support Vector Machine, NaÏve Bayes, Dan Logistic Regression Untuk Klasifikasi Malware Pada Pe Files

---

Perkembangan teknologi yang pesat, membuat ancaman serangan malware terhadap keamanan siber meningkat, terutama pada Portable Executable (PE) file file yang sering menjadi target serangan. Deteksi malware menggunakan pendekatan tradisional tidak selalu efektif menghadapi varian malware baru. Oleh karena itu, penerapan algoritma machine learning menjadi penting untuk meningkatkan kemampuan deteksi. Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma machine learning, yaitu Support Vector Machine (SVM), Naïve Bayes, dan Logistic Regression dalam klasifikasi malware pada PE files. Dataset yang digunakan berisi informasi mengenai header PE Files dan label yang menunjukkan apakah data tersebut malware atau benign. Metodologi penelitian meliputi pengumpulan data, pra-pemrosesan, encoding fitur kategorikal, normalisasi data, pembagian data, pelatihan model, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM memiliki performa terbaik dengan akurasi tertinggi, diikuti oleh Logistic Regression dan Naïve Bayes. Penelitian ini diharapkan memberikan wawasan tentang kelebihan dan kekurangan setiap algoritma, dan dapat berkontribusi pada pengembangan lebih lanjut keamanan siber. Khususnya pada deteksi malware berbasis PE Files

---

Availability

Detail Information

Call Number

005.84

Language

Indonesia

NPM

203510490

Publisher

Teknik Informatika : Universitas Islam Riau., 2024

Keyword(s)

machine learning
Malware
Portable Executable

Other Information

Petugas

Kanti

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment