Herlambang, Sendi (2018) DETEKSI MALWARE ANDROID BERDASARKAN SYSTEM CALL MENGGUNAKAN ALGORTIMA SUPPORT VECTOR MACHINE. Bachelors Degree (S1) thesis, University of Muhammadiyah Malang.

Preview	Text jiptummpp-gdl-sendiherla-50749-1-1.penda-n.pdf Download (970kB) | Preview
Preview	Text jiptummpp-gdl-sendiherla-50749-2-babi.pdf Download (478kB) | Preview
Preview	Text jiptummpp-gdl-sendiherla-50749-3-babii.pdf Download (1MB) | Preview
Preview	Text jiptummpp-gdl-sendiherla-50749-4-babiii.pdf Download (715kB) | Preview

Abstract

Android merupakan salah satu sistem operasi berbasis linux pada smartphone yang memiliki banyak fungsi sehingga dapat membantu kinerja penggunanya. Kelebihan Android adalah bersifat open source code sehingga memudahkan para pengembang untuk membuat dan memodifikasi aplikasi yang belum tersedia di sistem operasi Android sesuai dengan kebutuha. Seiring dengan perkembangan teknologi, juga memicu berkembangnya file-file jahat atau biasa disebut dengan malware. Aktivitas berbahaya yang diakibatkan oleh malware sangat merugikan bagi para korbannya, sehingga dibutuhkan cara untuk mengatasinya. Umumnya pendeteksian malware menggunakan metode signature-based akan tetapi metode ini mudah untuk dikelabui oleh malware yang memiliki kemampuan polimorfik. Penelitian ini bertujuan untuk melakukan pendeteksian jenis malware Android secara Dinamis dan melakukan klasifikasi jenis malware menggunakan algoritma Support Vector Machine (SVM). Metode pada penelitian ini dibagi menjadi beberapa tahapan yaitu pengumpulan data penelitian, pengambilan informasi dari system call, praproses data, seleksi fitur, pelatihan data, pengolahan data dalam pengujian, dan pengujian klasifikasiBerdasarkan dari penelitian ini menunjukkan hasil akurasi yang cukup tinggi, yaitu dataset tanpa seleksi fitur sebesar 75.5556% dan dataset dengan metode seleksi fitur Wrapper SubsetEval Sebesar 73.3333%. Dapat disimpulkan dari akurasi tersebut bahwa system call dapat digunakan sebagai pengembangan klasifikasi jenis malware Android untuk kedepannya.

Item Type:	Thesis (Bachelors Degree (S1))
Student ID:	201310370311011
Keywords:	Android, Malware, SVM, System Call
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering > Department of Informatics (55201)
Depositing User:	Ida Fitriani Noor
Date Deposited:	29 Sep 2018 03:23
Last Modified:	29 Sep 2018 03:23
URI :	http://eprints.umm.ac.id/id/eprint/37625

Actions (login required)

View Item