UNIVERSITAS BINA DARMA, UNIVERSITAS BINA DARMA (2022) Penerapan Naïve Bayes pada Pendeteksian Malware dengan Diskritisasi Variabel. Penerapan Naïve Bayes pada Pendeteksian Malware dengan Diskritisasi Variabel.
|
Text
Telematika2020-Anggraini (2 files merged).pdf Download (929kB) | Preview |
Abstract
Malicious software (malware) adalah software jahat yang dirancang khusus untuk melakukan aktifitas berbahaya atau perusak perangkat lunak pada komputer seperti virus, Trojan, dan lain-lain yang disebar melalui jaringan internet. Banyaknya aktifitas penyebaran malware yang terjadi melalui jaringan internet membuat banyak pengguna menjadi resah salah satu bentuk dari serangan tersebut yaitu dengan melakukan penyisipan file-file berbahaya atau malicious ke komputer. Contohnya seperti penyisispan skrip web shell yang di sisipkan ke komputer penyedia layanan internet. Penelitian ini bertujuan untuk melakukan analisa terhadap serangan malware dengan menggunakan Algoritme Naïve Bayes Clasiffier dengan diskritisasi variabel Min-Max diskritisasi 3- interval dan 5-interval untuk atribut kontinu. Discretization (pendiskritan) atribut merupakan teknik untuk merubah sebuah fungsi atau nilai kontinu kedalam bentuk diskrit. Teknik ini dilakukan sebagai penyesuaian terhadap kemungkinan kemunculan nilai kontinu dalam fitur dataset yang sangat kecil. Pendiskritisasian variabel dilakukan pada dataset yang bertipe kontinu, sehingga nilai probabilitas menunjukan kemungkinan nilai yang sama keluar pada suatu kelas. Dengan menggunakan Algoritme naive bayes ini diharapkan dapat membantu mempermudah pengguna dalam menemukan metode yang tepat untuk Korespondensi: Telepon: +62 81379517789 Email: indaanggraini@gmail.com Telematika – Vol. 13, No. 1, Februari (2020), pp. 11-21 e-ISSN 2442-4528 | p-ISSN 1979-925X 12 http://dx.doi.org/10.35671/telematika.v13i1.886 mendeteksi serangan dari malware. Hasil percobaan menunjukan bahwa penerapan Naïve Bayes pada klasifikasi data yang belum melalui tahap pendiskritan menghasilkan tingkat akurasi sebesar 69.72 % dengan prediksi malware 63.53 % sedangkan pada data yang telah melewati tahap diskritisasi mampu memberikan akurasi hingga 79.97 % dengan prediksi malware 81.29 %. Penggunaan metode Naïve Bayes dalam penelitian ini memiliki kemampuan deteksi yang meningkat dibandingkan dengan proses klasifikasi tanpa menggunakan proses binning (diskritisasi). Proses pendiskritan dapat menjadikan Algoritme Naïve Bayes menjadi lebih akurat di dalam mendeteksi malware.
| Item Type: | Article |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
| Depositing User: | Mr Edi Surya Negara |
| Date Deposited: | 19 Jun 2022 12:48 |
| Last Modified: | 19 Jun 2022 12:48 |
| URI: | http://eprints.binadarma.ac.id/id/eprint/12936 |
Actions (login required)
 |
View Item |
