KLASIFIKASI MALWARE DENGAN RECURRENT NEURAL NETWORK
Abstract
Perkembangan teknologi saat inii telah banyak mengalami perubahan yang cukup cepat dan pesat. seiring dengan perkembangan teknologi, internet dijadikan sebagai alat yang dapat membantu dalam menyelesaikan masalah yang rumit menjadi praktis, mudah, mudah dan lain-lainnya. Meningkatnya pengguna internet membuat kejahatan yang memanfaatkan teknologi juga semakin meningkat karena maraknya kegiatan cybercerime. Cybercrime yang digunakan oleh penyerang salah satunya malicious software atau yang sering disebut malware. Malware merupakan suatu program jahat yang diciptakan untuk merusak atau membobol suatu software atau sistem operasi, penyadapan, mendapatkan hak akses komputer tanpa sepengetahuan dan izin pemiliknya, memanipulasi transaksi bank untuk mendapatkan keuntungan, pencurian data pribadi, merugikan finansial dan merusak reputasi organisasi. Metode Recurrent Neural Netwok (RNN) adalah jaringan yang memiliki umpan balik (fedback link), sehingga jaringan output yang dihasilkan dapat dijadikan input tambahan untuk tahan selanjutnya. Recurrent Neural Netwok (RNN) adalah metode yang dapat mengenali pola data dengan baik dan akurat untuk menyelesaikan klasifikasi malware dan normal file. Penelitian ini menghasilkan akurasi 86% dan F1 Score 85% dari jumlah data sebanyak 215 data malware dan file normal.
Kata Kunci: Klasifikasi, Malware, Deep learning, Recurrent Neural Network (RNN)