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

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

Decode: Jurnal Pendidikan Teknologi Informasi
Vol. 6 No. 3: NOVEMBER 2026

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.