<![CDATA[Log server web menyimpan rekaman aktivitas akses yang dapat dimanfaatkan dalam investigasi awal insiden keamanan. Namun, volume log yang besar membuat analisis manual tidak efisien. Penelitian ini mengembangkan sistem pendukung investigasi yang mengintegrasikan konsep klasterisasi dan eksplorasi hasil klaster dalam satu alur kerja. Sistem dibangun sebagai prototipe Terminal User Interface menggunakan Rust sebagai orchestrator dan Python untuk modul komputasi. Atribut yang digunakan dalam klasterisasi berjumlah lima atribut dan diproses dengan pendekatan berbeda-beda. Data dikelompokkan menggunakan Bisecting K-Means dan dievaluasi menggunakan Silhouette Score, Davies–Bouldin Index, serta Calinski–Harabasz Index. Pada sampel 100 ribu hingga 1 juta entri, Silhouette Score berada pada 0,0923–0,1315 dan Davies–Bouldin Index pada 2,5883–2,9166, yang menunjukkan separasi klaster belum kuat. Meskipun demikian, seluruh eksperimen menghasilkan sejumlah klaster tanpa klaster kosong. Sistem juga berhasil menyajikan tampilan yang memberikan informasi ringkasan karakteristik klaster, serta mengaplikasikan fitur filtering, sorting, dan peninjauan detail log untuk membantu mempersempit ruang analisis investigasi awal.]]>
Copyrights © 2026
