Penerapan Naive Bayes Pada Detection Malware dengan Diskritisasi Variabel

Abstract

Sejarah Artikel:

Sistem Pendukung Keputusan Penentuan Status Karyawan Menggunakan Metode Naïve Bayes

“…Dalam bidang akademis, naïve bayes juga pernah digunakan untuk memprediksi penilaian mahasiswa terhadap pelayanan akademis pada Perguruan Tinggi, hasil pengujiannya menunjukkan bahwa nilai akurasi, precission dan recall yang dihasilkan oleh algoritma ini cukup tinggi yaitu diatas 95% hal ini membuktikan bahwa naïve bayes mampu memprediksi dengan baik [5]. Naïve bayes pun pernah digunakan untuk pendeteksian malware melalui diskritisasi variable min max 3 interval dan 5 interval pada atribut kontinu, dimana nilai akurasi yang dihasilkan akan semakin tinggi yaitu 79,7% dengan prediksi malware 81,29% [6].…”

Malware Detection using Portable Executable Header and Gradient Boosting Classification Algorithm

“…Based on the detection results by testing three models, it can be concluded that the application of the Naïve Bayes method with pre-processing using discretization techniques can improve the results of malware detection accuracy compared to the classification process without using binning techniques (discretization). The application of Naïve Bayes on Malware Detection with Discretization This variable produces Experimental results show that the application of Naïve Bayes on data classification that has not gone through the discretization stage produces an accuracy rate of 69.72% with 63.53% malware prediction while on data that has passed the discretization stage is able to provide up to 79.97% accuracy with 81.29% malware prediction (Anggraini and Kunang 2020).…”