Perbandingan Kinerja Akurasi Klasifikasi K-NN, NB dan DT pada APK Android

Dewasa ini masyarat banyak memanfaatkan teknologi Internet, untuk berbagai kebutuhan. Mulai dari berbelanja, transportasi dan dunia pendidikan memanfaatkan Internet sebagai layanan digital. Peralatan dalam mengakses Internet pun banyak dan sangat beragam, mulai dari personal komputer, laptop sampai perangkat komunikasi seperti perangkat seluler. Perangkat seluler saat ini yang cukup banyak variasinya dan digunakan masyarakat adalah perangkat seluler berbasis sistem operasi Android. Dalam situasi ini mendorong pihak-pihak tertentu memanfaatkan celah untuk mencari keuntungan, salah satunya pembuatan Malicious Software (Malware). Keberadaan Malware sangat meresahkan, dimana pertumbuhan malware sangat cepat. Fenomena Malware yang terus bertumbuh inilah yang menjadikan peneliti berfokus untuk menganalisa Malware dengan memanfaatkan teknologi kecerdasan buatan. Tujuan dari penelitian ini adalah menganalisa file-file APK Android dengan metode anlisa statis dan melakukan klasifikasi keluarga Malware dan bukan Malware atau file APK Normal. File-file APK Malware dan bukan Malware di unduh dari Canadian Institute for Cyber Security, Google Play dan APK Pure. File-file tersebut dilakukan fitur ekstraksi untuk digenerate dan disimpan menjadi Malware dataset. Malware dataset tersebut dilakukan training menggunakan algoritma pembelajaran mesin. Pembelajaran mesin yang digunakan adalah Naïve Bayes, K-Nearest Neighbor dan Decision Tree. Pengukuran performansi akurasi dan perbandingan antara Naïve bayes, K-Nearest Neighbor dan Decision Tree yang merupakan bagian dari Pembelajaran Mesin.