Mulki Pederson

Spyware merupakan salah satu jenis malware yang mengancam sistem komputer karena dapat mencuri informasi pribadi dan data sensitif pengguna tanpa sepengetahuannya. Spyware dapat memantau aktivitas pengguna dan mencuri data seperti, daftar situs web yang dikunjungi, alamat email, dan bahkan dapat merekam aktivitas keybord dan layar. Penelitian ini bertujuan untuk melakukan klasifikasi serangan spyware menggunakan algoritma K-Nearest Neighbors (KNN). Dataset penelitian terdiri dari data malware jenis spyware dan data benign yang terdapat pada dataset CICMalMem2022. Dalam penelitian ini dilakukan split data dengan Stratified K-Fold untuk mendapatkan jumlah fold terbaik yang dapat memperoleh hasil klasifikasi yang lebih optimal pada setiap parameter k. Hasil penelitian menunjukkan bahwa algoritma KNN sangat akurat dalam melakukan klasifikasi data serangan spyware dengan memperoleh hasil tertinggi pada 20 fitur terbaik dengan k=3 dan menggunakan fold=4 yang mencapai akurasi sebesar 99,91%. Dengan hasil seperti ini dapat dikatakan bahwa penggunaan algoritma KNN efektif dalam mengidentifikasi serangan spyware dengan tingkat akurasi yang tinggi.