<![CDATA[Proses network forensic untuk menganalisis malware telah dilakukan peneliti sebelumnya dengan menerapkan metode manual diantaranya metode Anomali Behaviour pada file capture trafik jaringan. Network forensik tersebut memerlukan proses yang lebih lama dan tidak akurat dengan hasil yang diinginkan. Perkembangan articial intelligence berkembang pesat pada setiap bidang teknologi dapat memberikan peluang terhadap bidang malware analisis dan digital forensik agar dapat melakukan proses analisis lebih cepat dan tepat terutama penggunaan Machine Learning. Trafik darknet merupakan jaringan internet yang didalamnya terdapat berbagai ancaman kejahatan cyber. Penelitian terhadap analisis malware terutama klasifikasi trafik darknet dengan menggunakan algoritma machine learning telah banyak dilakukan, namun hasil yang didapat berupa pengukuran kinerja pada setiap algoritma machine learning terhadap proses analisis malware tanpa adanya pembaruan dataset ataupun implementasi dalam sebuah aplikasi. Pembaruan dataset sangat diperlukan agar analisa malware dapat mengidentifikasi perkembangan malware terbaru dan implementasi dilakukan agar dapat diketahui kinerja dari sebuah algoritma yang diterapkan, oleh karena hal tersebut dalam penelitian ini akan dibahas tentang proses analisis ancaman malware pada trafik darknet dengan menggunakan algoritma machine learning yaitu K-Nearest Neighbour untuk memprediksi sebuah ancaman serangan malware dengan dataset CICDarknet 2020. Hasil pengukuran performa dataset menggunakan KNN memiliki nilai akurasi 96,17% dengan menerapkan pemilihan fitur dengan information gain.]]>
