PERANCANGAN DAN IMPLEMENTASI SISTEM ANALISIS RISIKO PRIVASI PADA PLATFORM DIGITAL MENGGUNAKAN LIKELIHOOD–IMPACT ENGINE BERBASIS RULE-BASED AUTOMATION

Aryaputra, Munif (2026) PERANCANGAN DAN IMPLEMENTASI SISTEM ANALISIS RISIKO PRIVASI PADA PLATFORM DIGITAL MENGGUNAKAN LIKELIHOOD–IMPACT ENGINE BERBASIS RULE-BASED AUTOMATION. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (256kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (836kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (800kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf - Published Version Download (103kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (460kB)
	Archive (SOURCE CODE) Sourcecode - 22.83.0787.zip - Published Version Restricted to Repository staff only Download (39kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (669kB)

Abstract

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.

Actions (login required)

View Item