<![CDATA[Malicious Software, atau yang dikenal dengan malware, merupakan perangkat lunak berbahaya yang dapat menyebabkan hal-hal yang tidak diinginkan, seperti kehilangan data, pencurian informasi, penyebaran data pribadi, dan penyalahgunaan informasi penting. Pada penelitian ini, metode yang digunakan untuk deteksi malware adalah metode Decision Tree untuk klasifikasi dan metode Information Gain untuk seleksi fitur. Metode Decision Tree mempermudah dalam melacak dan memahami keputusan dengan struktur pohonnya, sementara Information Gain membantu dalam memilih fitur yang paling relevan dan informatif. Penelitian ini bertujuan untuk meningkatkan akurasi dan efisiensi dalam mendeteksi malware Portable Executable (PE) yang menargetkan file eksekusi pada sistem operasi Windows. Dataset yang digunakan adalah dataset SOMLAP (Swarm Optimization and Machine Learning Applied to PE Malware Detection), yang mengandung 51409 sampel file excutable Windows yang diekstrasi, yang terdiri dari file benign (non malware) dan file malware. Hasil penelitian menunjukkan bahwa pada proporsi data 90:10, metode pemilihan 20 fitur dengan Information Gain berhasil meningkatkan efisiensi dan efektivitas dalam mendeteksi malware PE dengan rata-rata akurasi 99,3% dan rata-rata waktu pemrosesan yang diperlukan sebesar 32 detik dibandingkan dengan metode terbaik pada penelitian sebelumnya, yaitu Ant Colony Optimization dan Decision Tree yang memiliki rata-rata akurasi 98,8% dan rata-rata waktu pemrosesan sebesar 43 detik.]]>
Copyrights © 2025
