Malware adalah perangkat lunak yang dibangun untuk mengganggu atau merusak fugsi normal, menghindari kontrol akses, mengumpulkan informasi pribadi, atau bahkan mengambil kendari dari perangkat yang digunakan pengguna. Malware dari tahun ke tahun semakin berkembang, baik jenis dan kemampuannya sehingga deteksi malware merupakan tugas yang sangat penting. Dalam mendeteksi malware pada android terdapat tiga analisis yaitu analisis dinamis, analisis statis, dan analisis hibrid. Penelitian ini menerapkan arsitektur Gated Recurrent Unit (GRU) dan analisis dinamis menggunakan fitur network traffic dengan menguji hyperparameter jumlah unit, learning rate, epoch, dan batch size. Dataset yang digunakan untuk melatih dan menguji model didapatkan dari CICAndMal2017 berupa file CSV berisi hasil pemantauan network traffic. Metode resampling oversampling dengan SMOTE dan undersampling dengan Random Undersampling digunakan untuk mengatasi class imbalance pada dataset. Nilai akurasi, presisi, recall, dan F1 Score digunakan untuk mengukur performa model. Dari hasil pengujian, kombinasi dataset original, 64 unit GRU, learning rate 0.002, jumlah epoch 15, dan batch size 256 menghasilkan F1 score tertinggi yaitu 81.40%.