%L universitasamikomyogyakarta31856
%D 2026
%X Peningkatan pemrosesan data pribadi pada layanan digital menimbulkan
kebutuhan mendesak terhadap mekanisme penilaian risiko privasi yang lebih terstruktur
dan otomatis. Berbagai platform digital mengumpulkan data sensitif melalui proses
registrasi hingga interaksi layanan, namun metode penilaian risiko yang ada saat ini masih
didominasi oleh pendekatan manual yang subjektif dan lebih berfokus pada keamanan
infrastruktur daripada privasi pengguna. Kondisi ini berdampak pada rendahnya
transparansi serta lemahnya kemampuan pengendali data dalam mengidentifikasi potensi
ancaman privasi secara akurat.
Penelitian ini merancang dan mengembangkan sistem analisis risiko privasi
berbasis web statis dengan menggunakan model Likelihood–Impact dan pendekatan rulebased

automation. Sistem bertindak sebagai jembatan antara kompleksitas regulasi
dengan kebutuhan alat self-assessment praktis, menerima parameter teknis berupa jenis
data pribadi dan aktivitas pemrosesan, kemudian mengolahnya melalui privacy risk
engine berbasis JavaScript yang berjalan sepenuhnya di sisi klien (client-side). Engine
ini dirancang berdasarkan prinsip manajemen risiko, Undang-Undang No. 27 Tahun 2022
tentang Perlindungan Data Pribadi (PDP) dan kerangka kerja NIST Cybersecurity
Framework 2.0.
Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan klasifikasi
risiko, peta risiko, evaluasi kepatuhan dan rekomendasi otomatis secara konsisten. Sistem
ini bermanfaat bagi pengembang aplikasi, auditor internal, regulator dan organisasi yang
memerlukan penilaian risiko privasi yang otomatis, kuantitatif, mudah diakses dan
mendukung implementasi cepat tanpa biaya infrastruktur tinggi. Ke depan,
pengembangan lanjutan dapat diarahkan pada peningkatan cakupan aturan dan
interoperabilitas dengan sistem manajemen keamanan informasi lainnya.
%T PERANCANGAN DAN IMPLEMENTASI SISTEM
ANALISIS RISIKO PRIVASI PADA PLATFORM DIGITAL 
MENGGUNAKAN LIKELIHOOD–IMPACT ENGINE
BERBASIS RULE-BASED AUTOMATION
%A Munif Aryaputra
%K Risiko Privasi, Likelihood–Impact, Rule-Based Engine, UU PDP 2022,
NIST CSF 2.0, Privacy Risk
%I Universitas AMIKOM Yogyakarta