BAB V

KESIMPULAN

1.1. Kesimpulan

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.