<![CDATA[Transformasi menuju cloud computing meningkatkan kompleksitas pengelolaan kinerja jaringan dan risiko ancaman keamanan siber, sehingga diperlukan pendekatan prediktif yang akurat dan adaptif. Penelitian ini menyajikan Systematic Literature Review (SLR) mengenai penerapan metode data science dalam prediksi kinerja jaringan dan deteksi ancaman keamanan siber pada lingkungan cloud. Tinjauan dilakukan mengikuti pedoman PRISMA terhadap publikasi periode 2015–2025 yang diindeks pada Scopus, IEEE Xplore, ACM Digital Library, dan ScienceDirect. Hasil kajian menunjukkan bahwa metode machine learning seperti Support Vector Machine dan Random Forest, serta deep learning seperti Convolutional Neural Network dan Long Short-Term Memory, mendominasi penelitian terkait. Teknik anomaly detection dan hybrid learning terbukti efektif dalam mengidentifikasi pola serangan kompleks pada infrastruktur cloud berskala besar. Namun, tantangan utama masih mencakup ketidakseimbangan data, keterbatasan generalisasi model, dan minimnya dataset terbuka. Studi ini memberikan pemetaan tren metodologis dan celah penelitian sebagai dasar pengembangan model prediktif yang lebih robust dan skalabel pada infrastruktur cloud.]]>
Copyrights © 2025
