Perangkat seluler telah menjadi bagian penting dari masyarakat. Dengan pangsa pasar yang terus berkembang, potensi bahaya juga meningkat. Oleh sebab itu, penerapan pembelajaran mesin untuk membantu mencegah ancaman ini juga meningkat. Salah satu pendekatannya adalah dengan menggunakan metode pembelajaran ensemble. Pada metode ini, model yang lebih kecil dan lebih ringan, yang juga dikenal sebagai pembelajar dasar, disatukan untuk memprediksi masalah yang sama dengan akurasi yang lebih tinggi. Model yang digunakan dalam eksplorasi ini, yaitu Decision Trees, Naive Bayes Classifiers, dan Logistic Regression. Dua metode ensemble yang diuji saat disatukan atau dikelompokkan adalah Bagging dan Stacking. Beberapa kombinasi diuji dengan model dan metode ini pada kumpulan data yang terdiri dari 50.000 data aplikasi, masing-masing dengan 1436 fitur. Model yang menghasilkan nilai evaluasi paling tinggi adalah Bagged Decision Tree Ensemble, dengan nilai akurasi 90,67%, AUC Score 84,44%, dan nilai precision 91,10%.