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.

[thumbnail of HALAMAN DEPAN.pdf] Text
HALAMAN DEPAN.pdf

Download (803kB)
[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf

Download (404kB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (318kB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf
Restricted to Repository staff only

Download (528kB) | Request a copy
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Repository staff only

Download (754kB) | Request a copy
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[thumbnail of BAB V.pdf] Text
BAB V.pdf
Restricted to Repository staff only

Download (227kB) | Request a copy
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf

Download (290kB)
[thumbnail of LAMPIRAN.pdf] 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.

Contribution
Nama Dosen Pembimbing
NIDN/NIDK
Dosen Pembimbing
Oktavianto, Hardian
NIDN0722108105
Dosen Pembimbing
Wardoyo, Ari Eko
NIDN0014027501

Item Type: Thesis (Undergraduate)
Keywords/Kata Kunci: 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)
Depositing User: Septian Dwi Chandra | 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 View Item