Penerapan Algoritma K-Means dan Multi-Class Support Vector Machine dalam Identifikasi Tingkat Kesadaran Keamanan Informasi Pegawai Pemerintah Kota Kendari

Fiqram Faathir; Isnawaty; Rizal Adi Saputra

doi:10.51454/decode.v6i3.1712

Authors

Fiqram Faathir Teknik Informatika Universitas Halu Oleo
Isnawaty Teknik Informatika Universitas Halu Oleo
Rizal Adi Saputra Teknik Informatika Universitas Halu Oleo

DOI:

https://doi.org/10.51454/decode.v6i3.1712

Keywords:

HASI-Q, KAB, Keamanan Informasi, Machine Learning, Pegawai Pemerintah

Abstract

Perkembangan teknologi informasi meningkatkan risiko keamanan data, terutama pada instansi pemerintahan yang mengelola informasi strategis. Penelitian ini bertujuan menerapkan metode machine learning untuk mengidentifikasi tingkat kesadaran keamanan informasi pegawai Pemerintah Kota Kendari menggunakan pendekatan Human Aspects of Information Security Questionnaire (HAIS-Q). Algoritma K-Means digunakan untuk membentuk kategori tingkat kesadaran berdasarkan karakteristik data, sedangkan Multi-Class Support Vector Machine (SVM) digunakan untuk membangun model klasifikasi. Evaluasi klaster menggunakan Elbow Method, Silhouette Score, dan Davies-Bouldin Index (DBI) menghasilkan tiga klaster optimal dengan nilai Silhouette Score sebesar 0,428 dan DBI sebesar 0,769. Hasil klasifikasi menunjukkan bahwa kernel Polynomial menghasilkan performa terbaik dengan nilai accuracy, precision, recall, dan F1-score sebesar 100%. Hasil penelitian menunjukkan bahwa integrasi K-Means dan Multi-Class SVM mampu mengidentifikasi tingkat kesadaran keamanan informasi secara efektif serta memberikan pendekatan yang lebih adaptif dibandingkan pengelompokan berdasarkan ambang skor yang telah ditentukan sebelumnya.

References

Amin, N. F., Garancang, S., & Abunawas, K. (2023). Konsep Umum Populasi dan Sampel Dalam Penelitian. PILAR: Jurnal Kajian Islam Kontemporer, 14(1), 15–31. https://doi.org/10.26618/whw41w62

Az-Zahra, A. A., Marsaoly, A. F., Lestyani, I. P., Salsabila, R., & Madjida, W. O. Z. (2021). Penerapan Algoritma K-Modes Clustering dengan Validasi Davies Bouldin Index pada Pengelompokkan Tingkat Minat Belanja Online di Provinsi Daerah Istimewa Yogyakarta. Jurnal Matematika dan Statistika serta Aplikasinya, 9(1), 24–36. https://doi.org/10.24252/msa.v9i1.18555

Bughin, J., Cincera, M., Reykowska, D., Zyszkiewicz, M., & Ohme, R. (2025). The Great Divide Between Employees: Clustering Employee “Well-Being” During A Pandemic. PLoS ONE, 20(3), e0294540. https://doi.org/10.1371/journal.pone.0294540

Dewi, K. M. R., Yudistira, R. D., & Ruldeviyani, Y. (2024). Pengukuran Tingkat Kesadaran Keamanan Informasi Pegawai Pada Instansi Pemerintah. The Indonesian Journal of Computer Science, 13(2), 3274–3288. https://doi.org/10.33022/ijcs.v13i2.3950

Fadlika, R., Ruldeviyani, Y., Butarbutar, Z. T., Istiqomah, R. A., & Fariz, A. A. (2023). Employee Information Security Awareness in the Power Generation Sector of PT ABC. (IJACSA) International Journal of Advanced Computer Science and Applications, 14(4), 594–603. https://doi.org/10.14569/IJACSA.2023.014046

Gofur, A., Fathoni Aji, R., & Kurniawan, H. (2024). Pengukuran Kesadaran Keamanan Informasi Pegawai: Studi Kasus PT Meshindo Jayatama. Jurnal Teknologi Informasi dan Ilmu Komputer, 11(2), 315–320. https://doi.org/10.25126/jtiik.20241128106

Han, H. (2025). Adoption of K-Means Clustering Algorithm in Smart City Security Analysis and Mythical Experience Analysis of Urban Image. PLoS ONE, 20(3), e0319620. https://doi.org/10.1371/journal.pone.0319620

Islam, S. S., Haque, M. S., Miah, M. S. U., Sarwar, T. B., & Nugraha, R. (2022). Application of Machine Learning Algorithms to Predict the Thyroid Disease Risk: An Experimental Comparative Study. PeerJ Computer Science, 8, e898. https://doi.org/10.7717/peerj-cs.898

Khan, A. R., Khan, S., Harouni, M., Abbasi, R., Iqbal, S., & Mehmood, Z. (2021). Brain Tumor Segmentation using K-Means Clustering and Deep Learning with Synthetic Data Augmentation for Classification. Microscopy Research and Technique, 84(7), 1389–1399. https://doi.org/10.1002/jemt.23694

Kusumaningrum, A., Wijayanto, H., & Raharja, B. D. (2022). Pengukuran Tingkat Kesadaran Keamanan Siber di Kalangan Mahasiswa saat Study From Home dengan Multiple Criteria Decision Analysis (MCDA). Jurnal Ilmiah SINUS, 20(1), 69–78. https://doi.org/10.30646/sinus.v20i1.586

Liu, G., Mao, S., & Kim, J. H. (2019). A Mature-Tomato Detection Algorithm Using Machine Learning And Color Analysis. Sensors, 19(9), 2023. https://doi.org/10.3390/s19092023

Manik, G., Ernawati, I., & Nurlaili, I. (2021). Analisis Sentimen Pada Review Pengguna E-Commerce Bidang Pangan Menggunakan Metode Support Vector Machine (Studi Kasus: Review Sayurbox dan Tanihub pada Google Play). Prosiding Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, 2(2), 64–74.

Meivira, A., Dewi, N. M. A. R., & Puspitasari, C. E. (2022). Uji Validitas dan Reliabilitas Kuesioner Penggunaan dan Penyimpanan Antibiotika di Kecamatan Ampenan. Archives Pharmacia, 4(1), 10–18. https://doi.org/10.47007/ap.v4i1.4925

Monasari, L. D. H., & Pratiwi, N. (2025). Klasifikasi Stunting Pada Balita Menggunakan Algoritma Decision Tree Pada Machine Learning. Decode: Jurnal Pendidikan Teknologi Informasi, 5(2), 416–428. https://doi.org/10.51454/decode.v5i2.1193

Nurkholis, A., Alita, D., & Munandar, A. (2022). Comparison of Kernel Support Vector Machine Multi-Class in PPKM Sentiment Analysis on Twitter. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(2), 227–233. https://doi.org/10.29207/resti.v6i2.3906

Nurul, S., Anggrainy, S., & Aprelyani, S. (2022). Faktor-faktor yang Mempengaruhi Keamanan Sistem Informasi: Keamanan Informasi, Teknologi Informasi dan Network (Literature Review SIM). Jurnal Ekonomi Manajemen Sistem Informasi, 3(5), 564–573. https://doi.org/10.31933/jemsi.v3i5

Prasetia, M. R., Dewi, R. C., Asyhar, A. H., & Hamid, A. (2026). Prediksi Curah Hujan Harian Menggunakan Metode Principal Component Analysis (PCA) dan Long Short-Term Memory (LSTM). DECODE: Jurnal Pendidikan Teknologi Informasi, 6(1), 1–13. https://doi.org/10.51454/decode.v6i1.1451

Ramadhan, T., & Purwandari, B. (2023). Analisis Tingkat Kesadaran Keamanan Informasi: Studi Kasus Pengguna Aplikasi Perbankan Digital di Indonesia Guna Mencegah Social Engineering. Syntax Idea, 5(1), 86–98. https://doi.org/10.36418/syntax-idea.v3i6.1227

Riyanto, D. A. (2025). Hootsuite (We are Social): Data Digital Indonesia 2025. https://andi.link/hootsuite-we-are-social-data-digital-indonesia-2025/

Rohmah, R. N. (2022). Upaya Membangun Kesadaran Keamanan Siber pada Konsumen E-commerce di Indonesia. Cendekia Niaga Journal of Trade Development and Studies, 6(1), 1–11. https://doi.org/10.52391/jcn.v6i1.629

Sakalessy, A. J. E., & Purnomo, H. D. (2024). Assessing Employee Performance in the Information Technology Department Using K-Means Clustering: A Case Study Approach. Journal of Information Systems and Informatics, 6(1), 170–186. https://doi.org/10.51519/journalisi.v6i1.653

Saridewi, V. S., & Sari, R. F. (2021). Implementation of Machine Learning for Human Aspect in Information Security Awareness. Journal of Applied Engineering Science, 19(4), 1126–1142. https://doi.org/10.5937/jaes0-28530

Sofia, A. (2023). K-Means Clustering Using Elbow Method In Case Of Diabetes Milletus Tipe II In Indonesia. Journal of Statistical Methods and Data Science, 01(2), 1–8. https://doi.org/10.31258/jsmds.v1.5

Sukman, R. D. W. S. (2024). Kebocoran Data Nasional Sebanyak 210 Instansi Kena Bobol. Binus University. https://sis.binus.ac.id/2024/11/12/kebocoran-data-nasional-sebanyak-210-instansi-kena-bobol/

Taufiqurrahman, F., Al Faraby, S., & Purbolaksono, M. D. (2021). Klasifikasi Teks Multi Label pada Hadis Terjemahan Bahasa Indonesia Menggunakan Chi-Square dan SVM. e-Proceeding of Engineering, 8(5), 10103–10113. https://doi.org/10.34818/eoe.v8i5.15671

Wu, T., Tien, K. Y., Hsu, W. C., & Wen, F. H. (2021). Assessing The Effects Of Gamification On Enhancing Information Security Awareness Knowledge. Applied Sciences, 11(19), 9266. https://doi.org/10.3390/app11199266