Perbandingan Kinerja Algoritma Naive Bayes Dan Id3 Untuk Deteksi Malware Android Berdasarkan Data Fitur Statis 215 Atribut

Muhammad Heriyanto, 202069040027 (2024) Perbandingan Kinerja Algoritma Naive Bayes Dan Id3 Untuk Deteksi Malware Android Berdasarkan Data Fitur Statis 215 Atribut. Sarjana thesis, Universitas Yudharta.

	Text (Abstrak.pdf) 20206900027_Abstrak.pdf Restricted to Registered users only Download (142kB) | Request a copy
	Text (BAB I.pdf) 202069040027_BAB I.pdf Restricted to Registered users only Download (159kB) | Request a copy
	Text (BAB II.pdf) 202069040027_BAB II.pdf Restricted to Registered users only Download (256kB) | Request a copy
	Text (BAB III.pdf) 202069040027_BAB III.pdf Restricted to Registered users only Download (220kB) | Request a copy
	Text (BAB IV.pdf) 202069040027_BAB IV.pdf Restricted to Registered users only Download (333kB) | Request a copy
	Text (BAB V.pdf) 202069040027_BAB V.pdf Restricted to Registered users only Download (110kB) | Request a copy
	Text (Daftar Pustaka.pdf) 202069040027_Daftar Pustaka.pdf Restricted to Registered users only Download (175kB) | Request a copy
	Text (Halaman Depan.pdf) 202069040027_Halaman Depan.pdf Restricted to Registered users only Download (343kB) | Request a copy

Abstract

Perkembangan dunia teknologi yang begitu pesat, salah satunya adalah dunia smartphone. Sistem operasi smartphone yang banyak digunakan saat ini adalah Android. Namun demikian, kelemahan sistem operasi Android ialah rentan terhadap serangan malware. Oleh karena itu, penelitian ini bertujuan untuk membandingkan kinerja algoritma Naive Bayes dan Decision Tree untuk deteksi malware Android berdasarkan dataset DREBIN yang berisi 215 atribut fitur statis dengan menggunakan bantuan Google Colaboratory. Metode yang digunakan adalah data mining dan machine learning. Dataset dibagi menjadi dua bagian yaitu training set dan test set dengan rasio 7:3. Kemudian dilakukan pra-proses terhadap data untuk menghancurkan nilai missing, normalisasi, dan encoding kategorik. Selanjutnya dilakukan pelatihan model menggunakan kedua algoritma tersebut untuk memprediksi hasil klasifikasi. Hasil akurasi tertinggi yaitu dari algoritma decision tree yang mempunyai akurasi 97% sedangkan algoritma naïve bayes mempunyai akurasi 83%.

Item Type:	Thesis (Sarjana)
Identification Number:	0468-KI-24-01
Contributors:	Contribution Contributors Email Thesis advisor Arif Faizin, M.Kom, ㅤ UNSPECIFIED
Subjects:	Karya Umum > Ensiklopedia
Divisions:	Fakultas Teknik > Teknik Informatika
Date Deposited:	20 Aug 2024 08:28
Last Modified:	04 Jan 2025 09:42
URI:	https://repository.yudharta.ac.id/id/eprint/5583

Actions (login required)

View Item