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.