Artikel berjudul “Classification of Privacy Violations in Android Application Permissions Using Decision Tree and RapidMiner: A Cyberlaw Perspective” yang diterbitkan pada tahun 2026 ini menggabungkan pendekatan teknologi data mining dengan perspektif hukum siber untuk menganalisis risiko penyalahgunaan akses data pada aplikasi Android.
Penelitian ini menjadi penting karena aplikasi modern tidak hanya menyediakan layanan digital, tetapi juga mengumpulkan berbagai informasi pribadi pengguna, seperti lokasi, identitas, daftar kontak, pesan, kamera, hingga penyimpanan perangkat. Ketika aplikasi meminta izin akses yang berlebihan dan tidak sesuai dengan fungsi utamanya, risiko penyalahgunaan data dapat meningkat.
Fenomena tersebut dikenal sebagai over-privileged application, yaitu aplikasi yang meminta izin akses lebih banyak dibandingkan kebutuhan sebenarnya. Sebagai contoh, aplikasi perjalanan yang seharusnya hanya membutuhkan akses lokasi untuk navigasi dapat dianggap mencurigakan apabila meminta akses terhadap pesan pribadi, kontak, atau riwayat aktivitas pengguna.
Para peneliti menganalisis masalah tersebut menggunakan algoritma Decision Tree dengan bantuan perangkat lunak RapidMiner. Dataset yang digunakan berasal dari metadata file AndroidManifest.xml sebanyak 28.771 aplikasi Android. File tersebut berisi informasi mengenai izin akses yang diminta oleh setiap aplikasi.
Dalam proses analisis, peneliti menggunakan beberapa kategori izin sensitif, yaitu:
Akses informasi pribadi (Personal Information)
Akses lokasi (Location Access)
Akses pesan (Messages Access)
Akses akun Google (Google Account Access)
Akses sistem perangkat (System Tools)
Aplikasi kemudian diklasifikasikan menjadi dua kelompok utama, yaitu Benign (aplikasi aman) dan Malware (aplikasi yang berpotensi melanggar privasi pengguna).
Model Decision Tree dibangun menggunakan metode validasi 10-Fold Cross Validation untuk menguji kemampuan algoritma dalam membedakan aplikasi aman dan aplikasi berisiko. Hasil pengujian menunjukkan bahwa model mencapai tingkat akurasi sebesar 67,55%.
Meskipun tingkat akurasi menunjukkan bahwa klasifikasi berbasis izin masih menghadapi tantangan, model mampu mendeteksi aplikasi malware dengan tingkat sensitivitas yang tinggi. Hasil evaluasi menunjukkan nilai recall malware sebesar 93,99%, yang berarti sebagian besar aplikasi berbahaya berhasil dikenali oleh sistem.
Namun, penelitian juga menemukan bahwa malware modern semakin sulit dibedakan karena mampu meniru pola izin aplikasi normal. Banyak aplikasi berbahaya kini menggunakan kombinasi izin yang menyerupai aplikasi legal sehingga metode analisis statis berbasis permission saja belum sepenuhnya mampu memberikan perlindungan maksimal.
Salah satu temuan utama penelitian adalah pola Aggressive Tracking Combination Pattern. Pola ini menunjukkan bahwa aplikasi yang meminta kombinasi izin untuk melihat status jaringan, mengakses lokasi GPS secara akurat, serta mengubah riwayat atau bookmark browser memiliki indikasi risiko privasi yang tinggi.
Kombinasi izin tersebut dianggap berbahaya karena memungkinkan aplikasi melakukan pelacakan aktivitas pengguna secara lebih luas, mulai dari lokasi fisik hingga kebiasaan penggunaan internet.
Peneliti juga menemukan pola Stealth Malware Application Pattern, yaitu aplikasi yang terlihat tidak meminta banyak izin berbahaya tetapi tetap dikategorikan sebagai malware. Pola ini menunjukkan bahwa pengembang malware dapat menyembunyikan perilaku berbahaya dengan membuat aplikasi tampak sederhana dan tidak mencurigakan bagi pengguna.
Dari perspektif hukum siber, hasil penelitian ini berkaitan erat dengan penerapan Undang-Undang Nomor 27 Tahun 2022 tentang Perlindungan Data Pribadi (UU PDP) dan Undang-Undang Informasi dan Transaksi Elektronik (UU ITE).
Peneliti menjelaskan bahwa permintaan izin yang berlebihan dapat bertentangan dengan prinsip minimalisasi data dan pembatasan tujuan penggunaan data dalam UU PDP. Prinsip tersebut mengharuskan pengelola data hanya mengumpulkan informasi yang benar-benar diperlukan sesuai tujuan layanan.
Ketika sebuah aplikasi meminta akses terhadap lokasi, riwayat browser, atau informasi pribadi yang tidak berkaitan dengan fungsi utamanya, maka transparansi persetujuan pengguna menjadi persoalan penting. Pengguna sering kali memberikan izin tanpa memahami sepenuhnya bagaimana data mereka akan digunakan.
Selain itu, aktivitas tersembunyi yang dilakukan aplikasi untuk mengambil atau memanfaatkan data pengguna berpotensi berkaitan dengan pelanggaran akses tidak sah sebagaimana diatur dalam UU ITE.
“Analisis izin statis Android tidak lagi cukup menjadi satu-satunya mekanisme perlindungan privasi pengguna karena malware modern mampu meniru pola izin aplikasi yang sah,” ungkap para peneliti dalam kajiannya.
Penelitian ini memberikan manfaat bagi berbagai pihak. Bagi pengguna aplikasi, hasil penelitian meningkatkan kesadaran agar lebih berhati-hati dalam memberikan izin akses. Bagi pengembang aplikasi, penelitian ini mendorong penerapan prinsip privacy by design, yaitu merancang aplikasi dengan mempertimbangkan keamanan dan perlindungan data sejak tahap awal pengembangan.
Bagi regulator dan praktisi keamanan digital, aturan keputusan (IF–THEN rules) yang dihasilkan algoritma Decision Tree dapat menjadi alat pendukung untuk melakukan audit keamanan dan mengevaluasi kepatuhan aplikasi terhadap regulasi perlindungan data.
Para peneliti merekomendasikan penelitian lanjutan dengan menggabungkan analisis statis dan dinamis. Metode analisis dinamis melalui lingkungan pengujian (sandbox) dapat membantu melihat aliran data secara langsung serta mendeteksi aktivitas aplikasi yang tidak terlihat hanya dari deklarasi izin.
Pengembangan model kecerdasan buatan yang lebih kompleks seperti deep learning atau ensemble learning juga dinilai dapat meningkatkan kemampuan deteksi terhadap ancaman privasi pada aplikasi Android di masa depan.
Profil Penulis
Sumber Penelitian
Artikel ini diterbitkan dengan lisensi akses terbuka Creative Commons Attribution 4.0 International dan memberikan kontribusi terhadap pengembangan kajian keamanan siber, perlindungan data pribadi, kecerdasan buatan, serta kepatuhan hukum digital di Indonesia.
0 Komentar