Identifikasi Tingkat Privasi Mengenai Penyebaran Data IPK Mahasiswa dengan Konsep k-Anonimitas

Abstract

Saat ini khalayak umum sangat menuntut penyebaran dan pertukaran data, baik melalui personal maupun secara komersial. Untuk melindungi data yang bersifat privasi dari pemilik data, pemegang data sering melakukan pendataan ulang dengan cara menghapus atau mengenkripsi pengidentifikasi eksplisit seperti nama, alamat, dan nomor telepon. Karya ilmiah ini membahas masalah penyebaran data IPK mahasiswa dan menjaga penyebaran privasi responden pada data menggunakan konsep k-anonimitas. Suatu data dikatakan memiliki sifat kanonimitas apabila informasi untuk setiap subjek yang ada dalam data tidak dapat dibedakan dari setidaknya k −1 subjek yang informasinya juga muncul dalam data. Konsep ini menggunakan teknik generalisasi dan supresi pada data agar konsep kanonimitas terpenuhi. Penggunaan konsep k-anonimitas secara manual pada data IPK mahasiswa menghasilkan tabel yang mengandung generalisasi minimum dan tanpa supresi dengan nilai presisi yang relatif baik. Hasil yang serupa diperoleh pula dengan mengaplikasikan konsep k-anonimitas menggunakan software Python yang sangat berguna dalam data yang lebih besar.