KLASIFIKASI MALWARE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEBSITE

Chandra, Septian Dwi (2024) KLASIFIKASI MALWARE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEBSITE. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text HALAMAN DEPAN.pdf Download (803kB)
	Text ABSTRAK.pdf Download (404kB)
	Text BAB I.pdf Download (318kB)
	Text BAB II.pdf Restricted to Repository staff only Download (528kB) | Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (754kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB V.pdf Restricted to Repository staff only Download (227kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (290kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (725kB) | Request a copy

Abstract

Malware adalah perangkat lunak yang diciptakan dengan tujuan tertentu, dimana penyerang mencari celah keamanan dalam sistem. Dampak buruk dari Malware dapat dirasakan pada komputer atau pengguna, karena penyerang dapat mencuri informasi atau data pribadi seseorang. Penelitian ini bertujuan untuk mengembangkan sistem deteksi malware berbasis web menggunakan Convolutional Neural Network (CNN) dengan memanfaatkan dataset IoT23. Malware merupakan perangkat lunak berbahaya yang dapat mengeksploitasi celah keamanan pada sistem komputer, mencuri data, dan menurunkan kinerja. Implementasi sistem deteksi ini melibatkan CNN yang mampu mengekstraksi fitur penting dari data visual maupun tekstual, diaplikasikan pada klasifikasi malware. Dataset IoT23 terdiri dari 23 skenario lalu lintas jaringan IoT, termasuk lalu lintas dari perangkat terinfeksi malware. Hasil penelitian menunjukkan bahwa aplikasi web yang dikembangkan mampu mendeteksi serangan malware dengan akurasi, presisi, recall, dan f1-score masing-masing sebesar 99% pada skenario data terpisah. Sistem deteksi berbasis CNN ini terbukti efektif dalam mengidentifikasi dan mengklasifikasikan serangan malware, berkontribusi pada peningkatan keamanan jaringan dan perangkat. Kata Kunci: Malware, Convolutional Neural Network (CNN), IoT23 dataset, deteksi malware berbasis web, deep learning.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Convolutional Neural Network (CNN), IoT23 dataset, deteksi malware berbasis web, deep learning
Subjects:	000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Department:	S1 Teknik Informatika
Depositing User:	Septian Dwi Chandra
Contributors:	Contribution Contributor Name NIDN/NIDK Thesis advisor Oktavianto, Hardian NIDN0722108105 Thesis advisor Wardoyo, Ari Eko NIDN0014027501
Contact Email Address:	septiandwichandra7270@gmail.com
Date Deposited:	17 Jul 2024 01:40
Last Modified:	17 Jul 2024 01:40
URI:	http://repository.unmuhjember.ac.id/id/eprint/21650

Actions (login required)

View Item