Perbandingan Kinerja Kernel RBF dan Linear pada Algoritma Support Vector Machine (SVM) untuk Prediksi Serangan Ransomware Locker

Abstract

Ransomware salah satu jenis Malware yang sangat berbahaya. Cara kerja Ransomware yaitu menyusup lalu mampu menduplikasi file yang dijalankan di sistem operasi windows. Ransomware melakukan enkripsi dan mengunci ke sistem file dengan sangat cepat. Ransomware akan memberikan notice yaitu dengan cara memberitahu cara membuka sistem file dengan melakukan pembayaran melalui Criptocurrency. Ransomware sangat merugikan user. Salah satu jenisnya yaitu Ransomware Locker. Ransomware locker sangat berbahaya, maka dari itu perlu dibuat model prediksi mengenai serangan Ransomware Locker. Beberapa metode Machine Learning mampu menyelesaikan permasalahan sistem prediksi, salah satunya yaitu metode Support Vector Machine (SVM). Untuk mendapatkan model terbaik dalam prediksi, maka perlu melakukan perbandingan antara dua kernel SVM yaitu RBF dan Linear. Hasilnya, metode SVM RBF mampu menghasilkan performa yang sangat baik yaitu 93.27% untuk AUC Train dan 93.41 untuk AUC Test.