Perkembangan teknologi digital membawa dampak positif sekaligus ancaman dalam bentuk kejahatan siber, salah satunya adalah malware. Malware menyebar melalui email, situs web, dan perangkat USB dengan berbagai tipe seperti trojan dan ransomware. Metode analisis berbasis cloud yang umum digunakan dinilai memiliki keterbatasan seperti ketergantungan internet, risiko penyebaran, serta biaya tinggi. Penelitian ini mengangkat permasalahan tingginya risiko dan biaya dalam penggunaan sistem analisis malware berbasis cloud, khususnya pada lingkungan airgap yang membutuhkan isolasi penuh.
Sebagai solusi, dikembangkan sistem analisis malware berbasis machine learning dengan algoritma Bidirectional Long Short-Term Memory (Bi-LSTM) yang dijalankan secara lokal pada perangkat mini-PC. Sistem ini dirancang tanpa koneksi internet dengan fitur antarmuka pengguna menggunakan PyQt5 dan laporan otomatis melalui ReportLab. Pendekatan yang digunakan berbasis analisis dinamis untuk mengamati perilaku malware secara langsung.
Hasil pengujian menunjukkan sistem mampu mengklasifikasikan malware dengan akurasi sebesar 93% dan klasifikasi multikelas sebesar 80% menggunakan Bi-LSTM. Sistem juga terbukti aman dan stabil dalam lingkungan terisolasi, serta memberikan waktu analisis lebih cepat dibanding metode konvensional. Kesimpulannya, sistem ini merupakan solusi efektif dan efisien untuk kebutuhan analisis malware di lingkungan terbatas seperti airgap.