Perbandingan Metode KNN, Decision Tree Dan Neural Network Untuk Deteksi Malware Pada Platform Android

Abstract

 Android telah menjadi platform yang paling dominan dan banyak digunakan di seluruh dunia, pada tahun 2021 tercatat lebih dari 3,5 miliar pengguna aktif, perkembangan tersebut berdampak kepada ancaman keamanan terhadap platform android yang semakin besar oleh serangan malware. serangan malware mampu menyebabkan kerusakan pada sistem komputer dan juga menimbulkan kerugian yang sangat besar terhadap korbannya. Ada banyak penelitian untuk mendeteksi serangan malware, tetapi saat ini belum ada yang pernah membandingkan antara metode K-Nearest neighbor, neural network, Decision Tree untuk mendeteksi malware pada platform android sehingga belum di ketahui metode mana yang lebih akurat, Oleh karena itu pada penelitian ini bertujuan untuk membandingkan ketiga metode tersebut agar dapat di ketahui metode mana yang lebih akurat dalam mendeteksi serangan malware. Hasil dari penelitian membuktikan metode neural network lebih tinggi tingkat akurasi sebesar 97% (R-Squared = 0.97) jika dibandingkan dengan metode KNN dengan tingkat akurasi sebesar 96% (R-Squared = 0.96) dan juga metode decision tree dengan tingkat akurasi sebesar 95% (R-Squared = 0.95).