Tindakan Kriminal Dengan Data Mining, Bagaimana Faktanya?

Tindakan Kriminal Dengan Data Mining, Bagaimana Faktanya?

by
Rian Romadhon
January 13, 2021

Seiring peningkatan jumlah pengguna smartphone, pertumbuhan data pun semakin pesat. Sayangnya, tumpukan data tersebut belum diidentifikasikan, bahkan sebagian tidak terstruktur. Karena itulah, data mining adalah salah satu cara yang banyak dilakukan orang untuk merapikannya agar mudah dimanfaatkan di berbagai bidang.

Sebagai contoh, bidang swasta menggunakan data mining sebagai salah satu cara mengetahui minat konsumen. Sementara itu, bidang pemerintahan memanfaatkan data mining untuk mengidentifikasi riset pasar.

Di sisi lain, data mining adalah bahan utama yang dipakai untuk melakukan aksi cyber crime. Korbannya, tidak hanya dari kalangan pebisnis, tetapi juga warga sipil.

Jadi, bagaimana fakta data mining yang sebenarnya di dunia digital? Apakah data mining bisa menjadi celah kejahatan siber? Yuk, baca terus ulasan berikut ini!

Data Mining Adalah Kebutuhan Dalam Dunia Digital

Beberapa tahun terakhir, internet menjadi media utama untuk bertransaksi (E-commerce) dan aktualisasi diri (social media). Tentunya, aktivitas tersebut meninggalkan jejak digital yang disimpan oleh sebuah platform berskala besar. Dengan begitu, pengguna bisa melacak jejaknya kapan saja menggunakan smartphone maupun personal computer.

Kini, pelacakan jejak digital lebih mudah karena platform sudah menerapkan metode data mining. Jadi, pengguna bisa menemukan anomali maupun pola yang dipakai untuk memprediksi tren secara cepat dan tepat.

data mining adalah cybercrime?

Lalu, apa itu data mining?

Secara umum, data mining merupakan proses penggalian informasi dalam tempat penyimpanan data yang berjalan otomatis sesuai kebutuhan pengguna. Data mining juga bisa diartikan sebagai segmen integral dari proses knowledge discovery in databases (KDD) atau knowledge extraction.

Proses KDD

Proses KDD terdiri dari empat tahapan, yakni data selection, cleaning, transformation, dan evaluation.

1. Data Selection

Data selection merupakan kegiatan mengumpulkan bahan atau materi ke dalam suatu berkas terpisah dari basis data operasional. Langkah ini dilakukan sebelum menggali informasi secara mendalam.

2. Cleaning

Proses cleaning meliputi pemeriksaan data inkonsisten, pembuangan duplikasi data, dan perbaikan kesalahan penulisan (tipografi). Tidak hanya itu, cleaning juga mencakup enrichment data yang sesuai dengan kebutuhan KDD.

3. Transformation

Transformation adalah proses coding pada data-data yang telah diseleksi. Pada tahapan ini, Anda memiliki ruang untuk berkreasi sesuai pola informasi yang digali dalam basis data.

4. Evaluation

Tahap evalution atau interpretation bertujuan untuk memastikan hasil data mining mudah dipahami oleh pengguna. Salah satu kegiatannya, yakni memeriksa keselarasan pola data yang ditemukan dengan hipotesis sebelumnya.

Setelah pemeriksaan selesai, data disimpan dalam format tertentu, seperti spreadsheet, flat file, maupun relational table. Tempat penyimpanan data tersebut dapat dilakukan secara terpusat atau beberapa lokasi. 

Pada tahap akhir ini, Anda bisa memprediksi tren di masa depan melalui hasil data mining. Misalnya, perusahaan minuman mencari tahu kesukaan pelanggannya dengan teknik data mining

Setiap riwayat pencarian kesukaan pelanggan dilakukan melalui website untuk disimpan di basis data. Kemudian, perusahaan menggambar pola dengan data tersebut supaya bisa mengelompokkan pelanggan berdasarkan preferensi.

Setelah mengetahui pengertian data mining, lalu apa fungsinya dalam dunia digital?

Fungsi Utama Penggunaan Data Mining

Ada tujuh fungsi utama penggunaan data mining dalam digitalisasi.

data mining adalah kebutuhan

Berikut ini penjelasannya.

1. Descriptive

Sebagai fungsi descriptive, data mining diposisikan sebagai cara untuk menemukan pola informasi khusus yang tersembunyi dalam beberapa data. Dengan demikian, Anda bisa mengetahui nilai karakteristik data tersebut.

2. Predictive

Dalam hal ini, data mining digunakan untuk mengecek variabel yang belum diketahui setelah pola informasi ditemukan. Sebagai contoh, Anda sudah menemukan pola data kebiasaan belanja pelanggan dengan variabel harga. 

Setelah hasilnya ditampilkan, ternyata Anda menemukan kecenderungan belanja konsumen pada beberapa warna. Dari sinilah muncul variabel baru, yakni warna favorit pelanggan.

3. Classification

Data mining memiliki fungsi classification, yakni membuat kesimpulan mengenai beberapa definisi ciri khas sebuah kelompok. Contohnya, pelanggan toko yang berpindah tempat belanja karena pesaing dinilai lebih bagus.

4. Clustering

Fungsi clustering mencakup pengelompokan data-data dengan karakteristik khusus. Dalam hal ini, data mining digunakan untuk mengidentifikasi produk tertentu yang memiliki ciri khas.

5. Association

Data mining juga berfungsi sebagai alat identifikasi korelasi peristiwa yang pernah terjadi dengan masa sekarang.

6. Sequencing

Sequencing diartikan sebagai fungsi identifikasi korelasi kejadian berbeda di waktu tertentu. Misalnya, para konsumen yang mengunjungi swalayan secara berulang.

7. Forecasting

Forecasting merupakan prediksi nilai di masa depan berdasarkan big data yang sudah membentuk pola. Contohnya, prediksi perkembangan pertanian di Indonesia dalam jangka lima tahun.

Metode Tepat agar Fungsi Data Mining Maksimal

Beberapa fungsi data mining tersebut bisa diperoleh secara maksimal jika Anda menggunakan metode yang tepat. Apa saja?

metode data mining adalah sebagai berikut

1. Menganalisis Masalah

Untuk menganalisis masalah, Anda harus memeriksa data sumber. Pastikan data tersebut sudah memenuhi kriteria. Selain itu, lakukan pengumpulan data secara hati-hati agar mudah dipahami. 

2. Membersihkan dan Mengekstrak Data

Pada metode selanjutnya, Anda harus melakukan ekstrak data sumber berupa Microsoft Access, OLTP basis data, text file, dan spreadsheet. Lalu, letakkan data di warehouse dengan struktur sesuai data model. Setelah itu, Anda mesti membersihkan data dari inkonsistensi dan tidak kompatibel.

3. Mengecek Validitas Data

Pemeriksaan validitas dilakukan dengan menelusuri model data yang sudah dibuat pada metode ekstrak. Dengan begitu, semua data dipastikan tepercaya, terkini, dan tidak berubah.

4. Data Modeling

Pada metode ini, model matematika atau algoritma dipakai untuk mendapatkan pola dalam data. Pola diselaraskan dengan visi pengguna individu maupun bisnis di awal.  Setelah itu, hasilnya harus dipastikan sesuai dengan tujuan data mining.

5. Evaluasi

Evaluasi merupakan metode untuk membandingkan temuan data dengan tujuan bisnis. Hasil perbandingan tersebut digunakan sebagai penentu apakah data modeling dapat diterapkan di seluruh organisasi. 

6. Deployment

Pada metode deployment ini, Anda bisa membagikan hasil data mining ke berbagai platform operasi bisnis. 

Penerapan Data Mining dalam Dunia Digital

Lantas, seperti apa penerapan data mining dalam dunia digital?

data mining dalam dunia digital

Saat ini, digitalisasi menjangkau hampir di semua bidang pekerjaan. Salah satunya bidang komunikasi yang ditandai dengan pengumpulan data secara online oleh perusahaan telekomunikasi. Contohnya, pengumpulan data pelanggan, survei kepuasan layanan, serta pendaftaran akun di website provider jaringan.

Digitalisasi juga masuk ke ranah keuangan, seperti perbankan dan financial technology (fintech). Lembaga keuangan tersebut menggunakan data mining untuk mengumpulkan beragam subjek, antara lain properti, transaksi keuangan, dan rekening.

Selain bidang keuangan, perusahaan asuransi pun kerap memanfaatkan data mining sebagai alat identifikasi layanan. Biasanya, perusahaan ini menggali data sumber seputar jenis asuransi dan minatnya masyarakat terhadap layanannya.

Dari asuransi, penggunaan data mining merambah ke bidang olahraga. Salah satunya IBM Advanced Scout yang pernah memanfaatkan data mining untuk menganalisis statistik permainan NBA.

Penerapan data mining juga dilakukan oleh sektor bisnis unicorn. Perlu diketahui, bahwa Anda pun turut berpartisipasi dalam penggunaan data mining tersebut. Bagaimana bentuk partisipasi tersebut?

Ketika pertama kali login ke salah satu situs unicorn, biasanya muncul beberapa rekomendasi produk di halaman “Home”. Nah, sebenarnya, produk-produk tersebut ditampilkan berdasarkan riwayat pencarian Anda. 

Semisal, Anda sering mencari tas selempang wanita. Berarti, produk tas itulah yang selalu terlihat di beranda marketplace

Kendati marketplace dengan data mining-nya menawarkan kemudahan berbelanja, Anda harus berhati-hati. Pasalnya, data mining bisa menjadi peluang bagi pelaku kejahatan siber untuk mencuri privasi Anda.

Data Mining adalah Celah Kejahatan Siber

Kejahatan siber atau cyber crime merupakan tindak kriminal yang dilakukan secara online. Pelakunya tidak pandang bulu dalam memilih target dan menjalankan aksi. Target pelaku cyber crime bisa dari kalangan pebisnis, perusahaan, lembaga pemerintahan, bahkan warga sipil.

Namun, tujuan pelaku kejahatan siber tidak sama. Sebagian pelaku hanya iseng atau ingin menjajal kemampuan. Sementara pelaku cyber crime lainnya, kerap melakukan kejahatan serius dengan memeras target secara finansial.

Pelaku kejahatan siber biasanya sudah ahli dalam meretas. Jika yang melakukan sekelompok orang, aksinya dilakukan secara bersamaan dari tempat berbeda. 

Peluang pelaku cyber crime menjalankan aksinya semakin terbuka di masa pandemi Covid-19. Pasalnya, banyak orang yang mengandalkan internet untuk bertransaksi selama ada imbauan untuk diam di rumah. 

data mining adalah celah kejahatan cyber

Berdasarkan riset Badan Siber dan Sandi Negara (BSSN), ada 190 juta upaya kejahatan siber sepanjang pandemi di Indonesia. Jumlah ini terbilang lebih tinggi dari tahun 2019—yang hanya mencapai angka 39 juta. Ironisnya, pada bulan Agustus 2020, upaya hacking tercatat ada 63 juta kasus.

Contoh kasus cyber crime yang paling menggemparkan adalah pencurian data di situs e-commerce terbesar di Indonesia. Peretas berhasil membobol data pelanggan, seperti nomor ponsel, nama, dan alamat. Data tersebut digunakan oleh pelaku untuk mencari keuntungan.

Lalu, bagaimana pelaku berhasil meretas data pelanggan e-commerce?

Seperti yang dijelaskan pada subjudul pertama, bahwa e-commerce kerap melakukan data mining agar mendapatkan pola informasi tertentu. Data mining juga digunakan e-commerce untuk membantu pemasaran produk. 

Karena data mining terjadi setiap pelanggan registrasi atau login, otomatis jumlahnya semakin banyak. Data itu pun bisa diperoleh kapan saja ketika pelanggan mengakses situs. Sebagian data juga datang dari website yang terhubung dengan e-commerce, seperti akun Email dan web tools analytic.

Teknik meretas yang paling sering digunakan adalah akun Email. Sepanjang pandemi Covid-19, banyak peretas memakai Email palsu. Akun Email tersebut bertema obat Covid-19. Menurut riset Proofpoint, terdapat 200.000 Email dengan tema penyembuhan Coronavirus Disease.

Email palsu tersebut terhubung ke situs yang mengharuskan penggunanya registrasi atau login. Otomatis, pengguna memasukkan alamat surel beserta kata sandi saat registrasi. Berawal dari sinilah kasus pencurian data terjadi.

Selain memanfaatkan Email dan kata sandi pengguna, peretas juga menggunakan trik pengembalian pajak dari pemerintah. Ada sekitar 200-an Email yang memakai tema tersebut. Ketika mengeklik link di badan Email, pengguna akan diarahkan ke website pemerintah palsu.

Website itu meminta data-data privasi pengguna, seperti nomor rekening bank, nomor kartu, dan informasi pajak. Dengan begitu, peretas mudah membobol akun pengguna untuk dimanfaatkan dalam tindak kejahatan. Dampak yang paling buruk, yakni saldo rekening target dikeruk habis oleh pelaku.

Kasus pencurian data nasabah perbankan pernah dialami oleh salah satu wartawan senior di Indonesia. Tindak kriminal tersebut didalangi oleh pegawai bank yang memiliki akses ke sistem Otoritas Jasa Keuangan (OJK). Ia bisa mengakses data pribadi nasabah, seperti nomor kartu, NIK, nomor ponsel, dan limit penarikan uang di rekening.

Pelaku mencoba menghubungi nomor telepon korban melalui ponselnya. Namun, nomor tersebut tidak aktif karena korban sedang berada di luar negeri. Di sinilah pelaku melancarkan aksinya dengan memasukkan nomor baru ke data korban.

Sementara itu, data-data nasabah lain dimanfaatkan untuk mencari keuntungan dengan menjualnya ke pihak ketiga. Dalam melakukan tindakan tersebut, pelaku dibantu oleh beberapa rekannya. Mereka menetapkan korban secara acak untuk diserahkan datanya ke pihak ketiga.

Ancaman Pidana untuk Cyber Crime dengan Data Mining

Korban kejahatan siber dengan data mining sebenarnya berhak mendapatkan perlindungan hukum, khususnya dari golongan ekonomi lemah. Bentuk perlindungan hukum bisa berupa restitusi, bantuan, maupun kompensasi.

Namun, menurut Peraturan Pemerintah Nomor 44 Tahun 2008, korban kejahatan siber lebih tepat mendapatkan restitusi. Pengertian restitusi adalah ganti rugi dari pelaku cyber crime kepada korban maupun keluarganya. Ganti kerugian tersebut dapat berbentuk pengembalian harta atau pertanggungan biaya.

Lantas, apa hukuman bagi pelaku pencurian data?

Pertama, pelaku dapat dikenakan hukuman jika memenuhi kriteria sebagaimana yang tertuang dalam Pasal 30 Ayat 2 Undang-Undang Nomor 11 Tahun 2008. Isi undang-undang ini membahas tentang informasi dan transaksi data elektronik atau dikenal dengan UU ITE

Setelah ditinjau telah memenuhi unsur Pasal 30 Ayat 2 UU ITE,  pelaku dapat dikenakan sanksi sesuai Pasal 46 Ayat 2. Adapun sanksinya berupa penjara paling lama tujuh tahun dan/atau denda maksimal Rp700 juta.

Kejahatan Siber dengan Data Mining Dapat Dicegah

Keamanan data pribadi di internet menjadi tanggung jawab pengguna, penyelenggara software development, dan pemilik layanan. Kewajiban tersebut tertera dalam Peraturan Pemerintah Nomor 71 Tahun 2019 tentang Penyelenggaraan Sistem dan Transaksi Elektronik.

Selain itu, Anda dapat melihat kewajiban keamanan data di POJK Nomor 1/POJK.07/2013 tentang Perlindungan Konsumen Sektor Jasa Keuangan. Secara rinci, pembahasan mengenai perlindungan data pribadi tercantum di Pasal 14.

keamanan data

Namun, terlepas dari jaminan perlindungan data pribadi, Anda pun harus melakukan pencegahan. Berikut ini beberapa cara mencegah pencurian data perbankan, e-commerce, maupun Email.

  1. Nyalakan notifikasi mobile app. Ketika melakukan mobile app development, pengembang kerap menambahkan beberapa fitur keamanan, salah satunya push notification. Anda bisa memanfaatkan push notifications ke Email atau nomor ponsel terdaftar. Tujuannya agar bisa memantau akses masuk ke aplikasi tertentu yang menggunakan akun pribadi Anda.
  2. Bedakan Email. Pastikan Anda menggunakan akun Email dan kata sandi berbeda di setiap kebutuhan. Misalnya, Email untuk kebutuhan perbankan beda dari e-commerce dan pekerjaan. 
  3. Ganti PIN Secara Berkala. Biasanya, PIN digunakan untuk membuka aplikasi perbankan atau fintech. Agar tidak terjadi pembobolan PIN, gantilah minimal satu bulan sekali. Jika Anda mempunyai beberapa kartu debit yang terhubung aplikasi, gunakan PIN berbeda sebagai keamanan tambahan.
  4. Rahasiakan PIN, password, dan OTP. Beberapa aplikasi atau situs web kerap meminta data PIN atau kode OTP. Jika Anda mengalaminya, segera keluar dari platform tersebut dan jangan berikan data apa pun.
  5. Rahasiakan nomor kartu. Pembobolan rekening nasabah perbankan bisa berawal dari nomor kartu. Karena itu, Anda tidak boleh memberikan data nomor kartu maupun kode CVV kepada orang lain. 
  6. Gunakan data seluler untuk mengakses perbankan. Banyak data nasabah yang diretas usai menggunakan WiFi saat mengakses Internet Banking. Karena itu, pastikan Anda selalu menggunakan data seluler ketika membuka situs maupun aplikasi perbankan.
  7. Kurangi menggunakan kartu debit saat belanja. Pada bagian depan kartu debit biasanya tertera nomor kartu. Saat Anda menggunakan kartu itu untuk membayar belanjaan, otomatis kasir memasukkan nomornya ke komputer internal.

Jadi, hindari memakai kartu debit untuk belanja di minimarket jika tidak mendesak. Lebih baik Anda menggunakan e-money atau transfer nontunai ke pihak penjual.

  1. Pasang antivirus. Cara paling sederhana untuk menghindari cyber crime adalah memasang antivirus. Selain melindungi dari serangan virus atau malware, antivirus juga mencegah pencurian data.
  2. Gunakan perangkat lunak resmi dari software house. Pengguna perangkat lunak resmi biasanya sedikit karena berbayar. Namun, perangkat lunak resmi dapat menghindarkan gadget Anda dari serangan malware

Sebaliknya, dalam software bajakan biasanya sudah tertanam malware atau spyware. Solusinya selain menggunakan software asli, Anda bisa memanfaatkan aplikasi open source.

  1. Pakai kata sandi rumit, tetapi mudah diingat. Jika Anda sering menggunakan tanggal lahir sebagai kata sandi, segera ganti. Pasalnya, kata sandi tersebut mudah dibobol oleh peretas.

Untuk mencegah peretas masuk, pakailah kata sandi kombinasi. Misalnya, kata sandi terdiri dari huruf besar dan kecil, simbol khusus, dan angka. Meskipun ribet, kata sandi tidak akan mudah ditebak oleh peretas. 

  1. Pakai data enkripsi. Contoh pemakaian data enkripsi terdapat pada WiFi. Untuk mengamankan jaringan, pengguna bisa menggunakan WiFi Protected Access 2 (WPA2). Sementara pada WiFi lokal, sematkan kata sandi yang diganti secara berkala. 
  2. Upgrade sistem operasi. Cara berikutnya adalah melakukan pembaruan sistem operasi. Umumnya, sistem operasi memberikan indikasi saat membutuhkan upgrade. Pastikan, Anda segera upgrade sistemnya supaya perangkat aman dari pencurian data. 

Proses upgrade sistem operasi dapat Anda lakukan sendiri dengan aktivator application. Jika belum memahami cara mengoperasikan aktivator, Anda bisa menanyakan langkah-langkahnya pada IT consultant tepercaya.

  1. Abaikan informasi tidak dikenali. Ketika membuka situs website, banyak tautan ke sumber lain yang muncul. Meskipun beberapa tautan menarik perhatian Anda, pastikan tidak mengekliknya. Begitu pula saat menemukan Email mencurigakan disertai link; tahan diri Anda untuk mengaksesnya.
  2. Hindari membuka iklan di internet. Sebagai salah satu upaya dalam website development, pengembang kerap memasang iklan. Biasanya, iklan tersebut muncul di beranda website yang Anda akses. Jika kontennya tidak jelas, sebaiknya hindari mengeklik iklan tersebut.
  3. Hindari menggunakan aplikasi “Download”. Beberapa konten video dan lagu kerap menarik perhatian pengguna internet untuk mengunduhnya. Namun, sebagian situs hiburan tersebut mewajibkan user mengunduh aplikasi “Download”.

Hati-hati; aplikasi “Download” bisa menjadi peluang bagi peretas untuk mencuri data Anda. Jadi, sebaiknya periksa dulu kredibilitas aplikasi sebelum memasangnya di gadget.

  1. Jangan mudah tergiur penawaran online. Berbagai penawaran belanja murah kerap muncul menjelang akhir tahun. Jika Anda menemukan penawaran melalui Email, cek dulu kredibilitas e-commerce lewat mesin pencari.
  2. Gunakan verifikasi dua faktor. Verifikasi dua faktor menggunakan dua langkah, yakni kata sandi dan kode rahasia ke nomor ponsel. Beberapa aplikasi ada juga yang memakai kombinasi kata sandi dan verifikasi melalui Email pengguna.
  3. Hapus akun aplikasi yang tidak digunakan. Jika Anda sudah tidak menggunakan aplikasi tertentu, pastikan menonaktifkan akunnya. Tujuannya supaya informasi pribadi di aplikasi tersebut aman dari tindak kriminal data mining.

Demikian ulasan seputar tindak kriminal dengan data mining yang kerap terjadi di berbagai negara. Data mining adalah salah satu senjata untuk menaklukkan dunia dan sistemnya. Namun, data mining juga dapat membuka peluang kejahatan siber kapan saja. Jadi, tetaplah waspada dan jaga informasi diri Anda.

Punya Project atau Ingin Bekerja Sama?

Hubungi kami dan ciptakan software impianmu sekarang!
Office Address Image

SYDNEY

Level 28, 161 Castlereagh St, Sydney 2000
+61 2 8123 0997

YOGYAKARTA

Jl Magelang No 65, Tegalrejo, Yogyakarta, Indonesia 55242
+62 858 6514 9577