PENERAPAN METODE IMPROVED RANDOM FOREST DAN ALGORITMA C4.5 SEBAGAI CLASSIFIER UNTUK MENDETEKSI RANSOMWARE BERDASARKAN FREKUENSI KEMUNCULAN API CALLS

Teknik Signature base tidak dapat mengenali ransomware jenis baru tanpa di analisis terlebih dahulu. Untuk itu diperlukan teknik mendeteksi ransomware menggunakan machine learning. Penelitian ini bertujuan menerapkan metode improved random forest untuk mendeteksi ransomware. Improved Random forest merupakan Random forest yang dipakai menggunakan feature evaluator dan instance filter untuk meningkatkan akurasi dari random forest biasa. Penelitian ini akan menggunakan metode improved random forest dengan algoritma c4.5 sebagai classifier untuk mendeteksi ransomware. Pada penelitian ini ada beberapa tahap yang dilakukan untuk mendeteksi malware menggunakan improved random forest yaitu mengekstrak api calls, kemudian memilih fitur berdasarkan rasio kemunculan pada malware, melakukan fitur evaluator dan resampling kemudian mengklasifikasikannya. Fitur yang digunakan ialah API calls yang ada dalam malware berdasarkan frekuensi yang paling banyak muncul. Berdasarkan pengujian yang telah dilakukan, api call sebagai fitur sangat berpengaruh pada tingkat akurasi. Dimana improved random forest mampu mendeteksi ransomware dengan baik berdasarkan api calls sebagai fitur dan dengan akurasi sebesar 96%. Hal ini dikarenakan nilai rasio kemunculan yang digunakan kecil yaitu 0.02 sehingga fitur yang digunakan sebanyak 188 lebih baik