Analisis algoritma datafly dan greedy k-member clustering dalam menjaga privasi data

Abstract

Privasi pada dasarnya adalah kemampuan seseorang dalam mengatur informasi pribadinya. Informasi-informasi pribadi bisa disebut juga dengan istilah personally identifiable information atau PII. Pada zaman ini, data mining merupakan suatu aktivitas yang menguntungkan, tetapi dengan melakukan data mining juga dapat membuka informasi pribadi. Tujuan dari penelitian ini adalah dapat merilis sebuah data agar dapat digunakan untuk data mining, tetapi tidak melanggar privasi, dengan menggunakan teknik anonimisasi seperti algoritma k-anonymity. Algoritma k-anonymity yang akan digunakan pada penelitian ini adalah algoritma Datafly dan algoritma Greedy k-member Clustering. Perangkat lunak dibangun untuk mengimplementasikan algoritma k-anonymity, yaitu algoritma Datafly dan algoritma Greedy k-member Clustering. Pengujian juga dilakukan dalam rangka mendapatkan relasi antara kualitas, nilai k, tipe dan banyaknya atribut yang digunakan, dan waktu eksekusi algoritma k-anonymity yang diimplementasikan. Berdasarkan hasil pengujian, algoritma Datafly dan algoritma Greedy k-member Clustering menunjukkan hasil yang berbeda. Algoritma Datafly memiliki kualitas dan waktu eksekusi yang rendah bila nilai k semakin tinggi, tetapi jumlah entri pada hasil anonimisasi menjadi lebih sedikit dibanding dengan jumlah entri pada tabel privat. Di sisi lain, algoritma Greedy k-member Clustering memiliki kualitas dan waktu eksekusi yang tinggi bila nilai k semakin tinggi, tetapi entri pada hasil anonimisasi sama dengan jumlah entri pada tabel privat. Pada akhirnya, kualitas dapat diatur dengan menyesuaikan nilai k dengan algoritma yang digunakan atau menyesuaikan jumlah atribut yang digunakan. Nilai k dan banyaknya atribut yang digunakan juga dapat berpengaruh pada waktu eksekusi algoritma k-anonymity yang diimplementasikan.