Muhamad Bagas Firmansyah

Peningkatan penggunaan perangkat Android turut mendorong berkembangnya ancaman keamanan, salah satunya melalui teknik serangan Reverse TCP yang memungkinkan akses jarak jauh secara tersembunyi oleh pihak tidak sah. Penelitian ini bertujuan mengembangkan sistem deteksi malware berbasis metode Artificial Neural Network (ANN) yang diimplementasikan pada perangkat Small Board Computer (SBC) Banana Pi BPI-R1. Data diperoleh melalui simulasi serangan Reverse TCP menggunakan Metasploit, kemudian dianalisis menggunakan CICFlowMeter dan diproses untuk pelatihan model ANN. Hasil pengujian menunjukkan bahwa model ANN mampu mendeteksi aktivitas serangan dengan akurasi sebesar 98,95%, precision 98,92%, recall 99,33%, dan F1-score 99,12%. Sistem ini juga berhasil membedakan lalu lintas jaringan normal dan berbahaya secara efektif serta menunjukkan performa deteksi yang lebih baik dibandingkan IDS berbasis rule seperti Snort dan Suricata. Implementasi pada perangkat dengan spesifikasi terbatas membuktikan bahwa metode ANN dapat diandalkan sebagai solusi deteksi malware.