Muhammad Daffa Zamzola

Peningkatan penggunaan perangkat Android turut diikuti oleh meningkatnya ancaman keamanan, khususnya serangan spyware yang dapat membahayakan privasi pengguna. Metode deteksi konvensional berbasis signature memiliki keterbatasan dalam mendeteksi varian spyware baru. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasikan serangan spyware Android menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan adalah CIC-MalMem2022, yang terdiri dari data hasil ekstraksi dump memori dengan dua kelas, yaitu benign dan spyware. Tahapan penelitian meliputi preprocessing data, data balancing, pembagian data latih dan data uji, serta pelatihan model CNN. Evaluasi dilakukan menggunakan validasi K-Fold dan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa CNN mampu mengklasifikasikan serangan spyware Android dengan tingkat akurasi yang tinggi dan performa yang stabil.