Investigasi Linimasa Forensik Aktivitas Kesehatan Pengguna Aplikasi Apple Health Menggunakan Plugin Plaso pada iOS

Puspitarini, Annisa Dwi (2026) Investigasi Linimasa Forensik Aktivitas Kesehatan Pengguna Aplikasi Apple Health Menggunakan Plugin Plaso pada iOS. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025241002-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Perkembangan pesat ponsel pintar khususnya pada perangkat iOS telah membawa dampak besar dalam bidang forensik digital, terutama dalam mengungkap bukti-bukti penting yang tersimpan dalam perangkat tersebut. Salah satu jenis data yang semakin relevan untuk analisis forensik adalah data dari aplikasi Apple Health yang mencakup informasi terkait aktivitas fisik, rutinitas latihan, pola tidur, dan biometrik pengguna. Data dalam aplikasi Apple Health ini sangat berpotensi memberikan wawasan yang penting dalam peroses investigasi, meskipun analisis forensiknya menghadapi berbagai tantangan seperti kompleksitas struktur data dan fitur keamanan yang ada pada sistem operasi iOS. Penelitian ini bertujuan untuk mengembangkan plugin khusus untuk alat forensik Plaso log2timeline yang mampu mengekstrak dan mengurai data dari aplikasi Apple Health pada perangkat iOS. Plugin ini dirancang untuk mengatasi keterbatasan alat yang ada dengan fokus pada pengumpulan dan interpretasi data aktivitas pengguna secara lebih terperinci. Penelitian ini juga bertujuan untuk mengevaluasi kompatibilitas plugin yang dikembangkan pada berbagai versi iOS, diantaranya iOS 13.3.1, iOS 13.4.1, iOS 15, iOS 16, dan iOS 17. Hasil penelitian menunjukkan bahwa plugin yang diusulkan mampu merekonstruksi urutan peristiwa aktivitas kesehatan pengguna secara akurat, sekaligus menunjukkan adaptabilitas yang tinggi terhadap pembaruan format basis data iOS. Keberhasilan ini tidak hanya meningkatkan efisiensi dalam membangun linimasa forensik, tetapi juga memberikan solusi otomatisasi yang mengurangi ketergantungan pada metode analisis manual yang rentan terhadap kesalahan manusia. Dengan demikian, penelitian ini dapat memberikan kontribusi dalam pengembangan alat forensik untuk menganalisis data aplikasi kesehatan, serta memperkaya wawasan dalam rekonstruksi linimasa aktivitas pengguna pada perangkat iOS.
====================================================================================================================================
The rapid advancement of smartphones, particularly iOS devices, has significantly impacted digital forensics, especially in uncovering critical evidence stored on these devices. One increasingly relevant type of data for forensic analysis is Apple Health app data, which includes information related to physical activity, exercise routines, sleep patterns, and user biometrics. This Apple Health app data holds substantial potential to provide crucial insights during investigations, though its forensic analysis faces challenges such as complex data structures and iOS security features. This study aims to develop a specialized plugin for the forensic tool Plaso log2timeline to extract and parse data from the iOS Apple Health app. The plugin is designed to address the limitations of existing tools by focusing on detailed collection and interpretation of user activity data. Additionally, this research evaluates the compatibility of the developed plugin across multiple iOS versions, including iOS 13.3.1, iOS 13.4.1, iOS 15, iOS 16, and iOS 17. The expected outcome of this research is a plugin that enhances the The results indicate that the developed plugin effectively reconstructs the chronological sequence of health-related events with precision and demonstrates robust adaptability to evolving iOS database architectures. This success not only enhances efficiency in constructing forensic timelines but also provides an automated solution that reduces reliance on manual analysis methods, which are prone to human error. Furthermore, this research contributes to the development of forensic tools for health application data analysis and enriches the understanding of user activity timeline reconstruction on iOS devices.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Apple Health, Forensik iOS, Forensik Linimasa, Plaso, Apple Health, Forensic Timeline, iOS Forensics, Plaso
Subjects:	Q Science Q Science > Q Science (General) T Technology > T Technology (General) T Technology > T Technology (General) > T385 Visualization--Technique
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Annisa Dwi Puspitarini
Date Deposited:	24 Jul 2026 02:02
Last Modified:	24 Jul 2026 02:02
URI:	http://repository.its.ac.id/id/eprint/136975

Actions (login required)

View Item