Machine Learning Karya Mahasiswa MI UII Percepat Proses Investigasi Forensik

Muhamad Maulana, Alumni Konsentrasi Forensika Digital Program Studi Informatika Program Magister FTI UII. (foto : screenshotzoom)
Muhamad Maulana, Alumni Konsentrasi Forensika Digital Program Studi Informatika Program Magister FTI UII. (foto : screenshotzoom)

YOGYAKARTA, JOGPAPER.NET Machine learning yang dilengkapi dengan Artificial Intelligence (AI) dapat membantu meningkatkan efisiensi investigasi digital forensik. Machine learning ini menggunakan algoritma Support Vector Machine (SVM) dengan kernel rbf.

Itulah tesis Muhamad Maulana, mahasiswa dan kini sudah menjadi alumni Konsentrasi Forensika Digital Program Studi Informatika Program Magister Fakultas Teknologi Industri Universitas Islam Indonesia (FTI UII) kepada wartawan secara virtual, Jumat (21/6/2024). Maulana mengangkat judul tesis ‘Klasifikasi Serangan Jaringan Menggunakan Support Vector Machine untuk Investigasi Forensik Jaringan.’

Maulana menjelaskan perkembangan teknologi yang pesat memunculkan ancaman kejahatan di dunia digital. Karena itu, penting bagi pengguna teknologi komputer untuk berhati-hati saat berinteraksi dalam platform digital.

Maulana menambahkan salah satu kesulitan mengungkap kejahatan adalah mendapatkan barang bukti digital yang diperoleh melalui pendekatan prosedural dan ilmiah. Forensik jaringan adalah sub-bidang dari digital forensik yang mengkhususkan diri dalam menangani bukti digital pada sistem jaringan komputer.

Menurut Maulana, penelitiannya berfokus pada klasifikasi jenis serangan yang terjadi pada sistem jaringan dengan menggunakan data tangkapan dari insiden yang relevan. “Dengan menerapkan machine learning, khususnya algoritma Support Vector Machine (SVM) dengan kernel rbf, diharapkan proses investigasi dapat lebih cepat dan akurat,” kata Maulana yang didampingi Dr Ahmad Luthfi, SKom, MKom, Manajer Akademik Keilmuan Program Studi Magister Informatika FTI UII.

Pilihan SVM dengan kernel rbf, kata Maulana, didasarkan pada akurasi klasifikasinya yang tinggi. Selain itu, SVM dengan kernel rbf mampu mengatasi dataset yang terpisah secara linear dengan banyak fitur.

“Kontribusi dari penelitian ini adalah memberikan rekomendasi bagi para praktisi forensik jaringan tentang cara terbaik untuk mengklasifikasikan serangan yang terjadi pada sistem jaringan,” harap Maulana.

Maulana mengatakan investigasi bukti digital tetap dilakukan berdasarkan standar prosedur yang sudah ada. Di antaranya, menggunakan framework NIST, ADAM, IDFIF dan framework forensik lainnya atau proses investigasi bisa dilakukan mengikuti kebijakan organisasi yang berlaku.

Bukti digital memiliki keragaman data, sehingga perlu ditentukan data seperti apa saja yang akan diinvestigasi dari sebuah barang bukti. “Penggunaan machine learning dalam investigasi memiliki peran pada saat analisis data, algoritma yang digunakan dapat meningkatkan kualitas, waktu proses dan keakuratan proses analisis data,” katanya. (*)