ANALISIS ANCAMAN KEAMANAN DIGITAL AKIBAT PENYALAHGUNAAN ARTIFICIAL INTELLIGENCE DALAM SERANGAN SIBER

Putri, Shelvia Maghdalena (2026) ANALISIS ANCAMAN KEAMANAN DIGITAL AKIBAT PENYALAHGUNAAN ARTIFICIAL INTELLIGENCE DALAM SERANGAN SIBER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER - ABSTRAK)
COVER.pdf - Published Version
Download (861kB)
[img] Text (BAB I)
BAB I.pdf - Published Version
Download (249kB)
[img] Text (BAB II)
BAB II.pdf - Published Version
Restricted to Registered users only
Download (616kB)
[img] Text (BAB III)
BAB III.pdf - Published Version
Restricted to Registered users only
Download (488kB)
[img] Text (BAB IV)
BAB IV.pdf - Published Version
Restricted to Registered users only
Download (1MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Download (130kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf - Published Version
Restricted to Registered users only
Download (100kB)
[img] Text (PUBLIKASI)
Publikasi.pdf - Published Version
Restricted to Repository staff only
Download (712kB)

Abstract

Perkembangan teknologi Artificial Intelligence (AI) menciptakan celah keamanan baru yang dieksploitasi untuk serangan siber yang lebih canggih dan adaptif. Penelitian ini bertujuan menganalisis ancaman keamanan digital akibat penyalahgunaan AI, mengidentifikasi dampaknya terhadap CIA Triad (Confidentiality, Integrity, Availability), serta merumuskan strategi mitigasi yang efektif. Metode penelitian menggunakan pendekatan mixed-method dengan kombinasi studi literatur sistematis, survei terhadap 45 praktisi keamanan siber dan profesional IT, serta eksperimen teknis terkontrol meliputi simulasi AI-powered phishing, deteksi deepfake menggunakan arsitektur Xception, dan pengujian Intrusion Detection System (Snort). Hasil penelitian menunjukkan serangan phishing berbasis AI memiliki tingkat kerapian grammar mendekati email legitimate (skor 1.0), meningkatkan kesulitan deteksi hingga 45% dibandingkan metode konvensional. Model deteksi deepfake mencapai akurasi 94% dengan arsitektur Xception. Survei menunjukkan praktisi menilai dampak terhadap kerahasiaan (4.56/5) dan integritas (4.40/5) sebagai ancaman paling kritis, namun efektivitas alat deteksi saat ini hanya dinilai moderat (3.33/5), mengindikasikan kesenjangan signifikan. Penelitian merekomendasikan transformasi menuju deteksi cerdas berbasis Machine Learning, penguatan respons insiden otomatis, dan penerapan analisis forensik berkelanjutan. Kontribusi penelitian meliputi identifikasi spesifik enam bentuk penyalahgunaan AI, analisis dampak kuantitatif berdasarkan data empiris, dan roadmap implementasi praktis untuk meningkatkan postur keamanan organisasi menghadapi era ancaman siber berbasis AI.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Setiaji, Bayu
Uncontrolled Keywords: Artificial Intelligence, Keamanan siber, Cybersecurity, Deepfake, Phishing, Intrusion Detection System.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 10 Jul 2026 06:49
Last Modified: 10 Jul 2026 06:49
URI: http://eprints.amikom.ac.id/id/eprint/32058

Actions (login required)

View Item View Item