PENGEMBANGAN DAN EVALUASI METODE STACKING BERBASIS ENSEMBLE UNTUK DETEKSI MALWARE DENGAN PENDEKATAN AUGMENTASI DATA PADA DATASET TIDAK SEIMBANG

FERRO AUDI PAJRIN (2025) PENGEMBANGAN DAN EVALUASI METODE STACKING BERBASIS ENSEMBLE UNTUK DETEKSI MALWARE DENGAN PENDEKATAN AUGMENTASI DATA PADA DATASET TIDAK SEIMBANG. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_56201_2102010013.pdf Download (29MB)

Abstract

Seiring dengan meningkatnya serangan malware pada perangkat Android, metode deteksi tradisional berbasis tanda tangan mulai menunjukkan keterbatasan dalam mendeteksi malware baru. Penelitian ini bertujuan mengembangkan metode stacking berbasis ensemble dengan teknik augmentasi data menggunakan SMOTE untuk meningkatkan akurasi deteksi malware pada dataset tidak seimbang. Dataset TUANDROMD digunakan sebagai data penelitian, yang terdiri dari 4.465 sampel malware dan goodware. Beberapa algoritma pembelajaran mesin digunakan sebagai base classifiers, yaitu Random Forest, SVM, dan Extra Trees, yang kemudian digabungkan menggunakan Logistic Regression sebagai meta-classifier. Hasil penelitian menunjukkan bahwa metode stacking ensemble dengan tuning hyperparameter menghasilkan akurasi sebesar 99,58%, presisi 100%, recall 99,16%, F1-score 99,58%, dan AUC 99,95%. Selain itu, teknik augmentasi data SMOTE berhasil meningkatkan representasi kelas minoritas sehingga memperbaiki performa model secara keseluruhan. Hasil ini menunjukkan bahwa metode yang dikembangkan mampu memberikan solusi yang efektif untuk meningkatkan keamanan perangkat Android terhadap serangan malware. Kata Kunci: Deteksi Malware, Metode Stacking, Ensemble Learning, SMOTE, Hyperparameter Tuning

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Rekayasa Perangkat Lunak
Depositing User:	Admin Perpus UnivBI
Date Deposited:	07 Feb 2026 03:00
Last Modified:	07 Feb 2026 03:00
URI:	http://eprints.univbinainsan.ac.id/id/eprint/491

Actions (login required)

View Item