Hidayatullah

Sebagai sistem operasi mobile yang paling banyak digunakan, android semakin menjadi sasaran utama bagi serangan malware. Popularitas sistem operasi ini membuatnya menjadi menarik bagi para penjahat keamanan cyber untuk mencuri data berharga, salah satunya dengan cara menginstal aplikasi malware android. Beberapa penelitian telah menggunakan berbagai metode Machine Learning (ML) untuk mengenali aplikasi malware android dari aplikasi jinak. Namun metode ini tidak mampu mendeteksi aplikasi malware android yang lebih baru dan canggih. Oleh karena itu, pada penelitian ini disajikan sebuah pendekatan Deep Learning (DL) untuk mendeteksi aplikasi malware android menggunakan metode Convolutional Neural Network (CNN). Eksperimen dilakukan dan diuji pada 20,000 aplikasi malware dan 9,999 aplikasi jinak dengan menggunakan 173 fitur izin yang diambil dari aplikasi tersebut. Penelitian ini mencakup beberapa metrik kinerja seperti akurasi, presisi, recall, f1-score dalam mengidentifikasi klasifikasi dengan kinerja terbaik. Dataset juga dilakukan oversampling untuk mengatasi data yang tidak seimbang. Pada akhir studi didapat hasil bahwa deteksi aplikasi malware pada sistem operasi android menggunakan metode CNN mendapat akurasi mencapai 99.99%, dengan presisi sebesar 99.98%, recall 100% dan f1-score sebesar 99.99% dengan nilai error terbaik sebesar 0.0054 %. Hasil kinerja yang diamati dari model ini lebih baik dibandingkan dengan hasil yang dilaporkan dalam penelitian sebelumnya tentang deteksi malware android berbasis machine learning maupun deep learning.