ANALISIS SENTIMEN MASYARAKAT TERKAIT PERSEPSI KEAMANAN DATA INFORMASI DAN PRIVASI DI INDONESIA

Alvali Zaqi, Taufan (2024) ANALISIS SENTIMEN MASYARAKAT TERKAIT PERSEPSI KEAMANAN DATA INFORMASI DAN PRIVASI DI INDONESIA. Masters thesis, Institut Teknologi Sepuluh Nopember Surabaya.

Text Final Tesis_Alvali Zaqi T_v15_29062024_signed Dekan.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB)

Abstract

Peningkatan penetrasi pengguna internet di Indonesia, dengan data pengguna internet 2023 Indonesia yang telah mencapai 213 juta, menimbulkan masalah baru bagi keamanan data dan privasi di dalamnya. Hal tersebut juga sejalan dengan peningkatan jumlah kebocoran data pribadi, dimana terdapat 310 kasus data bocor sepanjang 2022, sementara disisi lain pengesahan Undang-Undang Pelindungan Data Pribadi (UU PDP) pada September 2022 belum menunjukkan dampak signifikan. Berdasarkan data dan fakta tersebut, Badan Siber dan Sandi Negara (BSSN) sebagai organisasi yang menaungi keamanan siber di Indonesia juga belum menyusun aturan turunan terkait UU PDP tersebut dan belum pernah melakukan analisis sentimen maupun topik yang dibahas masyarakat terkait keamanan data, informasi dan privasi di Indonesia, padahal data tersebut diperlukan untuk memformulasikan aspek apa saja yang menjadi sorotan masyarakat selama ini, termasuk persepsi masyarakat terhadap organisasi. Tujuan dari penelitian ini adalah mengetahui sentimen dan topik yang sering dibahas masyarakat terkait keamanan data, informasi dan privasi di Indonesia, sehingga dapat memberikan rekomendasi kepada organisasi terkait penyusunan aturan turunan UU PDP melalui hasil persepsi berdasarkan topik yang dibahas dan sentimen masyarakat. Penelitian ini menggunakan pendekatan Machine Learning dengan metode klasifikasi menggunakan perbandingan 3 metode yakni: Naïve Bayes, Support Vector Machine, dan Random Forest, untuk memperoleh tingkat keakuratan yang paling baik berdasarkan hasil prediksi sentimen yang muncul. Selanjutnya, untuk melakukan pengelompokkan topik yang sering dibahas, digunakan metode Topic Modelling dengan model Latent Dirichlet Allocation, dimana model tersebut masuk ke dalam jenis unsupervised learning. Ruang lingkup penelitian yang diambil merupakan tweet yang dibuat oleh masyarakat Indonesia di media sosial twitter (x.com). Hasil yang diperoleh adalah Linear Support Vector Machine menjadi model klasifikasi machine learning terbaik dengan tingkat akurasi mencapai 92.6% dan AUC 97%. Selanjutnya, pada analisis topic modelling, didapatkan 4 topik dari hasil perhitungan berdasarkan coherence score, dengan masing-masing coherence score untuk topik 1 (pengelolaan data pribadi) (0.4032), topik 2 (UU PDP) (0.2579), topik 3 (desakan terhadap pelaksanaan UU PDP) (0.3796), topik 4 (keamanan siber) (0.3014). Selain, itu dihasilkan juga beberapa rekomendasi dalam hal penyusunan aturan turunan berupa penguatan sumber daya manusia untuk pelindungan data, perbaikan dokumen manajemen risiko dan tata kelola IT, serta penyusunan konten strategis untuk meningkatkan edukasi dan kepedulian keamanan siber di Indonesia.

Item Type:	Thesis (Masters)
Subjects:	T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	61101-Magister Management Technology
Depositing User:	Alvali Zaqi Taufan
Date Deposited:	05 Aug 2024 07:46
Last Modified:	05 Aug 2024 07:46
URI:	http://repository.its.ac.id/id/eprint/110115

Actions (login required)

View Item