<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>PERANCANGAN DAN IMPLEMENTASI SISTEM&#13;
ANALISIS RISIKO PRIVASI PADA PLATFORM DIGITAL &#13;
MENGGUNAKAN LIKELIHOOD–IMPACT ENGINE&#13;
BERBASIS RULE-BASED AUTOMATION</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Munif</mods:namePart><mods:namePart type="family">Aryaputra</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Peningkatan pemrosesan data pribadi pada layanan digital menimbulkan&#13;
kebutuhan mendesak terhadap mekanisme penilaian risiko privasi yang lebih terstruktur&#13;
dan otomatis. Berbagai platform digital mengumpulkan data sensitif melalui proses&#13;
registrasi hingga interaksi layanan, namun metode penilaian risiko yang ada saat ini masih&#13;
didominasi oleh pendekatan manual yang subjektif dan lebih berfokus pada keamanan&#13;
infrastruktur daripada privasi pengguna. Kondisi ini berdampak pada rendahnya&#13;
transparansi serta lemahnya kemampuan pengendali data dalam mengidentifikasi potensi&#13;
ancaman privasi secara akurat.&#13;
Penelitian ini merancang dan mengembangkan sistem analisis risiko privasi&#13;
berbasis web statis dengan menggunakan model Likelihood–Impact dan pendekatan rulebased&#13;
&#13;
automation. Sistem bertindak sebagai jembatan antara kompleksitas regulasi&#13;
dengan kebutuhan alat self-assessment praktis, menerima parameter teknis berupa jenis&#13;
data pribadi dan aktivitas pemrosesan, kemudian mengolahnya melalui privacy risk&#13;
engine berbasis JavaScript yang berjalan sepenuhnya di sisi klien (client-side). Engine&#13;
ini dirancang berdasarkan prinsip manajemen risiko, Undang-Undang No. 27 Tahun 2022&#13;
tentang Perlindungan Data Pribadi (PDP) dan kerangka kerja NIST Cybersecurity&#13;
Framework 2.0.&#13;
Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan klasifikasi&#13;
risiko, peta risiko, evaluasi kepatuhan dan rekomendasi otomatis secara konsisten. Sistem&#13;
ini bermanfaat bagi pengembang aplikasi, auditor internal, regulator dan organisasi yang&#13;
memerlukan penilaian risiko privasi yang otomatis, kuantitatif, mudah diakses dan&#13;
mendukung implementasi cepat tanpa biaya infrastruktur tinggi. Ke depan,&#13;
pengembangan lanjutan dapat diarahkan pada peningkatan cakupan aturan dan&#13;
interoperabilitas dengan sistem manajemen keamanan informasi lainnya.</mods:abstract><mods:classification authority="lcc">000 Ilmu komputer, informasi dan pekerjaan umum</mods:classification><mods:classification authority="lcc">003 Sistem-sistem</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8061">2026-02-18</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas AMIKOM Yogyakarta;Fakultas Ilmu Komputer</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>