<![CDATA[Meningkatnya jumlah perangkat Android berbanding lurus dengan meningkatknya ancaman malware pada sistem Android. Peningkatan jumlah malware pada sistem Android saat ini menuntut solusi berupa sistem deteksi malware yang andal. Beberapa penelitian sebelumnya telah melakukan analisis statis dalam mendeteksi malware Android menggunakan Machine Learning (ML) yang fokus pada perbandingan dan peningkatan akurasi. Namun sampai saat ini belum ada penelitian yang mengembangkan antarmuka server ML sebagai wadah operasional yang efektuf untuk mendeteksi ini, khususnya yang memanfaatkan analisis system calls. Penelitian ini bertujuan untuk mengembangkan aplikasi server Machine Learning untuk mendeteksi malware Android berbasis web menggunakan framework Django. Penelitian ini melibatkan tahapan pengembangan perangkat lunak dengan metode Waterfall meliputi studi literatur, analisis, perancangan, implementasi, dan pengujian. Untuk memvalidasi operasional sistem, dilakukan pengujian fungsional dengan pendekatan Black-Box Testing. Metode black-box digunakan untuk memastikan setiap fitur bekerja sesuai spesifikasi dari perspektif pengguna. Sistem ini menyediakan fungsi bagi administrator, meliputi: otentikasi pengguna (termasuk reset password), aktivasi deteksi menggunakan klasifikasi, pencarian data, klasifikasi otomatis, dan visualisasi statistik data melalui grafik batang. Hasil pengujian fungsional sistem dengan pendekatan black-box testing menunjukkan bahwa sistem web berhasil melakukan deteksi malware pada Android melalui klasifikasi otomatis yang diterapkan menggunakan ML. Semua fungsi utama sistem berjalan dengan valid dan efektif, serta berhasil memenuhi seluruh kebutuhan fungsional yang telah didefinisikan.]]>
Copyrights © 2026
