Claim Missing Document
Check
Articles

Found 1 Documents
Search

Kombinasi Algoritma Decision Tree dan Naive Bayes untuk Meningkatkan Akurasi dan Kecepatan Waktu Deteksi Malware Budiana, Fitri Puspitasari; Shelviani, Hanasa
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 9, No 1 (2025): SEMNAS RISTEK 2025
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v9i1.7874

Abstract

Secara umum malware mencakup virus, keylogger, worm, trojan, rootkit, spyware, ransomware, dan software berbahaya lain yang perlu diwaspadai. Malware menyerang berkas seseorang lalu menyalin diri sehingga bisa merusak sistem kerja hardisk, mengambil data smartphone, maupun merusak sistem operasi pada komputer target. Data malware memiliki variabel bebas dan variabel terikat. Pengembangan menggunakan teknik data mining untuk mencari variabel terbaik untuk data training dan data testing sedangkan secara teknik dengan profiling. Data mining membantu menemukan pola, pengetahuan baru, formula baru, aturan, maupun insight dari suatu data. Penelitian ini penulis mengusulkan pendekatan baru melalui eksperimen menggabungkan dua algoritma mesin pembelajaran yang berbeda yaitu algoritma memiliki label ataupun tidak berlabel. Berlandaskan dari dua pendekatan yang masing-masing mempunyai kelebihan. Eksperimen sebanyak empat kali penggabungan dengan lima dataset berbeda untuk menguji akurasi dan kecepatan waktu. Algoritma yang diuji yaitu antara algoritma random forest dengan decision tree, algoritma decision tree dengan random forest, algoritma naive bayes dengan algoritma decision tree, serta algoritma decision tree dengan algoritma naive bayes. Hasil eksperimen tertinggi ada pada penggabungan algoritma decision tree dan algoritma naive bayes dengan rata-rata 96,12 % dan kecepatan waktu 5,36 milidetik.