KI: PRAKTEK 6: Identifikasi & Klasifikasi Data Pribadi (PDP)

Tujuan

Pada praktek ini, mahasiswa tidak hanya memahami PDP secara hukum, tetapi mampu membaca data secara teknis dan menjawab pertanyaan penting:

“Data apa yang sedang kita pegang, seberapa
 sensitif, dan apa resikonya jika bocor?”

Setelah praktikum, mahasiswa mampu:

• Mengidentifikasi data pribadi di dataset nyata
• Mengklasifikasikan tingkat sensitivitas data
• Menentukan kontrol pengamanan yang rasional
• Menyusun Data Classification Matrix seperti yang digunakan di organisasi profesional

Konsep Inti (Wajib Dipahami)

Data Pribadi Umum vs Sensitif

Data Pribadi Umum

→ Data yang mengidentifikasi seseorang, tetapi dampak kebocorannya relatif rendah

Contoh:

• Nama
• Email
• Nomor telepon
• Alamat (tanpa detail spesifik)

Data Pribadi Sensitif

→ Data yang berpotensi menyebabkan kerugian serius bila bocor

Contoh:

• NIK / No KTP
• Data kesehatan
• Rekam biometrik
• Password, token, API key
• Data keuangan

Prinsip penting:

Semakin besar dampak kebocoran, semakin ketat kontrolnya.

Data Lifecycle (Siklus Hidup Data)

Setiap data pasti melewati tahapan ini:

• Collect – dikumpulkan (form, API, upload)
• Store – disimpan (database, file, spreadsheet)
• Process – diproses (analitik, AI, laporan)
• Share – dibagikan (email, API, integrasi)
• Archive – diarsipkan
• Delete – dihapus

Kesalahan umum:

Fokus hanya saat collect, lupa mengamankan store & share.

Tools yang Digunakan (100% Open Source)

Kebutuhan	Tools
Dataset	Dummy CSV
Analisis	Python 3 (default Ubuntu 24.04)
Spreadsheet	LibreOffice Calc
Enkripsi	GnuPG
OS	Ubuntu 24.04 LTS

Praktek Step-by-Step

STEP 1 — Siapkan Dataset Dummy

Buat file data_mahasiswa.csv

nama,email,no_hp,nik,tanggal_lahir,alamat,password
Andi Pratama,andi@email.com,08123456789,3174010101010001, 2000-01-01,Jakarta,password123
Siti Rahmawati,siti@email.com,08234567890,3274020202020002, 1999-05-12,Bandung,rahasia456

Catatan penting:

Dataset dummy ini menyerupai data nyata, tetapi aman untuk praktikum.

STEP 2 — Identifikasi Kolom Data Pribadi (Python)

Buat file identify_pdp.py

import pandas as pd

# Load dataset
df = pd.read_csv("data_mahasiswa.csv")

# Daftar pola data pribadi
pdp_patterns = {
    "nama": "Data Pribadi Umum",
    "email": "Data Pribadi Umum",
    "no_hp": "Data Pribadi Umum",
    "alamat": "Data Pribadi Umum",
    "nik": "Data Pribadi Sensitif",
    "tanggal_lahir": "Data Pribadi Sensitif",
    "password": "Data Sangat Sensitif"
}

print("Identifikasi Data Pribadi:\n")

for col in df.columns:
    kategori = pdp_patterns.get(col, "Bukan Data Pribadi")
    print(f"- {col}: {kategori}")

Jalankan:

python3 identify_pdp.py

Output yang diharapkan:

- nama: Data Pribadi Umum
- email: Data Pribadi Umum
- no_hp: Data Pribadi Umum
- nik: Data Pribadi Sensitif
- tanggal_lahir: Data Pribadi Sensitif
- alamat: Data Pribadi Umum
- password: Data Sangat Sensitif

STEP 3 — Klasifikasi Tingkat Sensitivitas

Gunakan 3 level sederhana (praktis & realistis):

Level	Makna
Medium	Risiko reputasi / privasi
High	Risiko hukum, finansial, kriminal

Tambahkan ke script:

sensitivity_level = {
    "Data Pribadi Umum": "Medium",
    "Data Pribadi Sensitif": "High",
    "Data Sangat Sensitif": "Critical"
}

print("\nKlasifikasi Sensitivitas:\n")
for col in df.columns:
    kategori = pdp_patterns.get(col, "Bukan Data Pribadi")
    level = sensitivity_level.get(kategori, "None")
    print(f"- {col}: {level}")

STEP 4 — Tentukan Kontrol Pengamanan

Prinsip Dasar Kontrol

Level	Kontrol Minimal
Medium	Akses terbatas
Medium	Akses terbatas
High	Enkripsi
Critical	Enkripsi + hashing + audit

Contoh Implementasi: Enkripsi Kolom Sensitif

Enkripsi file dengan GnuPG

gpg --symmetric --cipher-algo AES256 data_mahasiswa.csv

Output:

data_mahasiswa.csv.gpg

Makna:

Data tidak bisa dibaca tanpa passphrase → compliance by design

STEP 5 — Buat Data Classification Matrix

Template (Spreadsheet / Markdown)

Kolom	Jenis Data	Sensitivitas	Risiko Kebocoran	Kontrol
nama	Pribadi Umum	Medium	Pelanggaran privasi	Access control
email	Pribadi Umum	Medium	Spam / phishing	Masking
no_hp	Pribadi Umum	Medium	Social engineering	Rate limit
nik	Sensitif	High	Identitas palsu	Encryption
tanggal_lahir	Sensitif	High	Profiling	Encryption
password	Sangat Sensitif	Critical	Account takeover	Hashing + Salt

Inilah dokumen yang dinilai dosen.

Output Praktikum (Wajib Dikumpulkan)

Mahasiswa mengumpulkan:

• ✅ Dataset dummy
• ✅ Script Python identifikasi PDP
• ✅ File terenkripsi (.gpg)
• ✅ Data Classification Matrix
• ✅ Analisis singkat (½–1 halaman):
  • Kolom paling berisiko
  • Alasan klasifikasi
  • Dampak kebocoran

Kesalahan Umum (Dan Harus Dihindari)

• ❌ Menganggap semua data sama
• ❌ Menyimpan password plaintext
• ❌ Tidak tahu data disimpan di mana
• ❌ Tidak bisa menjelaskan kenapa data harus dienkripsi

Skill Nyata yang Didapat

Setelah praktikum ini, mahasiswa:

• Bisa membaca database dengan “kacamata keamanan”
• Siap terlibat audit PDP
• Siap kerja di sistem real (kampus, startup, gov, AI system)

Pranala Menarik

• Keamanan Informasi: Kuliah