Penelitian ini bertujuan untuk mengklasifikasikan jenin-jenis
malware berdasrkan gambar malware berupa bytemap dengan mengusulkan implementasi metode Deep Learning. Penelitian ini mengimplementasikan arsitektur InceptionResNet-V2 untuk mengekstraksi fitur dari gambar pada Malware Images. Berdasarkan 2 skenario yang diujikan, hasil terbaik mencapai 87,50% pada skenario 1, dan akurasi terendah sebesar 85,10% pada skenario 2. Hasil pengujian untuk kedua skenario dalam penelitian ini menyatakan bahwa data yang tidak seimbang atau seimbang memiliki pengaruh besar pada kinerja model. Oleh karena itu, pengaruh besar pada level kinerja model InceptionResNet-V2 bukan pada komposisi datasset, melainkan pada bentuk arsitektur model yang dibangun.
1.2. Saran
Berdasarkan pengujian yang telah dilakukan diharapkan bahwa di
masa depan dapat dibangun sistem otomatisasi untuk klasifikasi jenis-jenis malware yang dapat mengenali berbagai jenis malware dalam bentuk gambar bytecode. Untuk mewujudukan sistem ini, diperlukan analisa lebih lanjut terhadap lebih banyak dataset gambar malware. Saran untuk penelitian di masa depan adalah mencoba menggunakan metode-metode berbeda untuk mengklasifikasikan gambar malware dengan mataset serupa dan mengevaluasi berbagai metode ekstraksi fitur lain yang dirancang untuk masalah klasifikasi. Hal ini mungkin akan memberikan hasil yang berbeda, terutama pada model arsitektural gabungan struktur inception dan koneksi jaringan residual.