"Penerapan Algoritma Sparse Logistic Regression untuk Deteksi Malware pada Android [ENY, RNZ]"

Abstract

Android malware merupakan ancaman yang terus berkembang dalam per
angkat mobile menggunakan teknik penyamaran yang semakin canggih untuk menghindari deteksi, seperti pengacakan struktur kode dan pengubahan pola akses sistem. Kondisi ini menjadikan metode deteksi konvensional yang bergantung pada tanda tangan statis menjadi kurang efisien. Beberapa pendekatan yang umum telah digunakan pada penelitian sebelumnya seperti, Artificial Neural Network(ANN), Decision Tree(DT), dan Support Vector Machine(SVM). Namun, pendekatan ini memiliki keterbatasan dalam hal akurasi dan efisiensi yang sangat dipengaruhi oleh struktur fitur serta jenis dataset yang digunakan. Berdasarkan kondisi tersebut, penelitian ini bertujuan untuk mengevaluasi penerapan algoritma Sparse Logistic Regression (SLR) dalam mendeteksi Android malware berbasis data permissions. Metode penelitian meliputi studi literatur, pemilihan dataset, pra-pemrosesan data, implementasi algoritma SLR, serta evaluasi akurasi sebagai metrik utama kinerja model. Dengan kemampuannya dalam mengelola data berdimensi tinggi secara efisien, SLR diharapkan mampu menjadi metode alternatif yang ringan namun tetap kompetitif dalam mendeteksi malware.