Menghitung Resiko (Risk)

mk.keamanan.jaringan.dan.sistem.informasi

Manajemen resiko dibutuhkan ketika suatu keputusan akan diambil dalam suatu organisasi. Dalam keamanan sistem informasi pun diperlukan analisa terhadap resiko yang mungkin terjadi ketika suatu sistem baru akan diterapkan. Resiko merupakan akumulasi perkalian antara seberapa besar konsekuensi terhadap seberapa seringnya terjadi.

Pada rumus di atas ada variabel m yang merupakan faktor-faktor resiko. Faktor-faktor ini harus dirumuskan oleh orang yang ingin menghitung skor resiko. Faktor resiko diperoleh lewat:

  • Sejarah
  • Analisa
  • Pengetahuan

Contoh Perhitungan

Misalnya ada kebijakan untuk merubah sistem akademik dari manual menjadi online. Bagaimana menghitung skor resikonya? Pertama-tama tentu merinci faktor-faktor resikonya. Tiap orang tentu saja berbeda-beda tergantung pengalamannya. Makin berpengalaman seseorang maka makin akurat perhitungan skor resikonya. Misalnya faktor resikonya antara lain:

  • Jadwal perkualiahan kacau di awal, sehingga mahasiswa banyak yang salah masuk kelas, bahkan bisa terjadi demonstrasi. Untuk faktor ini misalnya konsekuensi=4 dan frequency=4 dengan alasan sangat berdampak pada reputasi kampus. Sementara frekuensi besar mengingat kampus tersebut suka sekali demonstrasi.
  • Banyak dosen yang tidak bisa mengajar sesuai jadwal karena sistem bisa saja kesulitan mengaturnya. Konsekuensi=2 dan frekuensi=3. Dalam hal ini misalnya kampus dengan mudah mencari dosen pengganti dan tidak terlalu berdampak. Sementara frekuensi 3 karena kejadian tersebut jarang terjadi dan sudah biasa ditangani oleh pihak tata usaha.
  • Reputasi pembuat sistem dipertanyakan karena baru dua kali menangani sistem, itu pun tidak serumit yang akan diterapkan di kampus tersebut. Di sini konsekuensi=5 (maksimal) dan frekuensi juga 5 karena berdasarkan informasi kampus-kampus lain banyak yang harus disinkronkan antara sistem dengan pengembang, sehingga butuh pengembang yang berpengalaman.

Misalnya hanya tiga faktor saja yang dibahas, dengan skor dari 1 hingga maksimal 5. Maka total resikonya diperoleh dengan mengalikan konsekuensi dengan frekuensi di tiap-tiap faktor: 4×4 + 2×3 + 5×5 = 47 yang jika dirata-ratakan = 15,7. Perhatikan tabel di bawah ini, maka skor resiko masuk dalam kategori High Risk. Sekian, semoga bermanfaat.

Melihat Network Hasil Training dengan NNTOOL

Secanggih apapun alat bantu tetap saja kita butuh pengetahuan akan prinsip-prinsip kerjanya. Begitu pula Matlab yang dalam meramu Jaringan Syaraf Tiruan (JST) menawarkan toolbox NNTOOL. Selain dengan toolbox berbasis Graphic User Interface (GUI), Matlab di versi awal hanya menyediakan toolbox berbentuk fungsi, yaitu newff.

Pelatihan/Training

Sebagai contoh kasus, misalnya kita diminta meramu JST untuk merubah masukan menjadi keluaran berdasarkan logika XOR. Perlu diketahui, riset JST sempat terhenti karena tidak sanggup menyelesaikan kasus sederhana tersebut. Barulah setelah multilayer JST baru dapat diselesaikan masalah tersebut. Pertama-tama kita siapkan dulu data trainingnya:

  • >> data=[1 1 0 0; 1 0 1 0];
  • >> target=[0 1 1 0];
  • >> net=newff(data,target,[2]);
  • >> net=train(net,data,target);

Berikutnya akan muncul jendela progress pelatihan. Karena hanya sederhana, prosesnya cepat.

Untuk menguji hasil training tes saja dengan mensimulasikan JST dengan input data. Pastikan outputnya sesuai dengan target.

  • >> sim(net,data)
  • ans =
  • 0.9980 0.9845 0.9612 0.5277

Perhatikan jawaban di atas, cukup banyak error-nya, harusnya [0 1 1 0]. Ok, anggap saja sudah akurat. Setelah disimpan dengan mengetik “save xor” di command window network tersimpan dalam bentuk file xor.mat yang siap digunakan nanti. Jika tidak disimpan maka ketika Matlab dimatikan maka hasil pembelajaran (training) tentu saja akan hilang.

Melihat Bobot dan Bias

Nah, untuk melihat bobot dan bias banyak yang tidak mengetahui. Padahal inti dari teori JST adalah bagaimana menemukan bobot dan bias yang tepat. Jalankan NNTOOL dengan mengetik nntool pada command window.

>>nntool

Jendela Network/Data Manager akan muncul. Tekan Import untuk melihat network hasil pembelajaran.

 

Berikutnya klik ganda net pada sisi Networks untuk melihat isi dari JST yang pernah kita latih dulu. Lihat sisi Weight/Bias. Bobot dan bias tampak di tiap sisi, baik masukan, hidden layer dan keluaran. Selamat mencoba.