<![CDATA[Kata sandi merupakan mekanisme autentikasi yang paling umum digunakan. Namun, pola kata sandi yang mudah ditebak menimbulkan risiko serangan tebakan dan kebocoran data. Penelitian ini menyajikan Systematic Literature Review (SLR) berbasis protokol PRISMA untuk memetakan algoritme, teknik representasi fitur, dataset, dan kesenjangan penelitian pada domain penilaian kekuatan kata sandi berbasis Machine Learning (ML) dan Deep Learning (DL) rentang 2022–2025. Pencarian pada dua basis data (IEEE Xplore dan ScienceDirect) menghasilkan 112 artikel; setelah skrining dan penilaian kelayakan, 18 artikel diinklusi sebagai studi final. Hasil sintesis menunjukkan pendekatan classifier lebih dominan dibanding meter/scorer, dengan Random Forest sebagai algoritme paling sering digunakan, diikuti Logistic Regression dan Support Vector Machine. Representasi fitur didominasi TF-IDF dan handcrafted features pada studi classifier, serta N-gram/Markov pada studi meter/scorer. Dataset 000webhost mendominasi 12 dari 18 studi. Empat tema kesenjangan utama yang teridentifikasi adalah bias dataset, minimnya evaluasi di dunia nyata, kelemahan lintas bahasa, dan penanganan Personally Identifiable Information (PII). Temuan ini menegaskan perlunya dataset yang lebih representatif, skenario evaluasi yang lebih realistis, dan praktik privasi yang lebih eksplisit.]]>
Copyrights © 2026
