OPTIMALISASI ANALISIS ANCAMAN SIBER SOC MENGGUNAKAN SISTEM SIEM QRADAR TERINTEGRASI LLM GEMINI BERBASIS WEB

SYIDDIQ, ARVIAN (2026) OPTIMALISASI ANALISIS ANCAMAN SIBER SOC MENGGUNAKAN SISTEM SIEM QRADAR TERINTEGRASI LLM GEMINI BERBASIS WEB. S1 thesis, Universitas Mercu Buana Jakarta - Menteng.

	Text (Cover) 41522010243-Arvian Syiddiq-01 Cover - ARVIAN SYIDDIQ.pdf Download (856kB)
	Text (Bab 1) 41522010243-Arvian Syiddiq-02 BAB 1 - ARVIAN SYIDDIQ.pdf Restricted to Registered users only Download (161kB)
	Text (Bab 2) 41522010243-Arvian Syiddiq-03 BAB 2 - ARVIAN SYIDDIQ.pdf Restricted to Registered users only Download (341kB)
	Text (Bab 3) 41522010243-Arvian Syiddiq-04 BAB 3 - ARVIAN SYIDDIQ.pdf Restricted to Registered users only Download (459kB)
	Text (Bab 4) 41522010243-Arvian Syiddiq-05 BAB 4 - ARVIAN SYIDDIQ.pdf Restricted to Registered users only Download (623kB)
	Text (Bab 5) 41522010243-Arvian Syiddiq-06 BAB 5 - ARVIAN SYIDDIQ.pdf Restricted to Registered users only Download (134kB)
	Text (Daftar Pustaka) 41522010243-Arvian Syiddiq-08 Daftar Pustaka - ARVIAN SYIDDIQ.pdf Restricted to Registered users only Download (175kB)
	Text (Lampiran) 41522010243-Arvian Syiddiq-09 Lampiran - ARVIAN SYIDDIQ.pdf Restricted to Registered users only Download (677kB)

Abstract

Security Operations Center (SOC) memiliki peran penting dalam mendeteksi dan merespons ancaman siber melalui pemanfaatan sistem Security Information and Event Management (SIEM). Namun, tingginya volume alert dan kompleksitas log keamanan sering menimbulkan alert fatigue yang berdampak pada meningkatnya waktu triase serta beban kerja analis SOC. Penelitian ini bertujuan untuk mengoptimalkan proses analisis ancaman siber dengan mengintegrasikan IBM QRadar SIEM dan Large Language Model (LLM) Gemini ke dalam sebuah sistem berbasis web yang mampu melakukan analisis offense secara otomatis. Metode penelitian yang digunakan meliputi perancangan dan pengembangan sistem terintegrasi menggunakan QRadar API dan Gemini API, serta pengujian secara kuantitatif melalui pendekatan eksperimen komparatif. Sistem yang dikembangkan mampu mengambil data offense secara otomatis, menghasilkan ringkasan insiden, mengklasifikasikan tingkat ancaman, serta menyajikan hasil analisis melalui dashboard web interaktif untuk mendukung proses triase pada lingkungan SOC. Pengujian dilakukan menggunakan dataset offense yang diperoleh dari lingkungan perusahaan dengan retention log selama satu bulan. Hasil evaluasi menunjukkan bahwa sistem mampu mengklasifikasikan ancaman dengan nilai Accuracy sebesar 88,04%, Recall sebesar 88,37%, Precision sebesar 73,01%, F1-Score sebesar 0,80, dan Specificity sebesar 87,92%. Selain itu, sistem berhasil mengotomatisasi proses analisis log serta menyajikan ringkasan insiden yang relevan dan mudah dipahami, sehingga membantu analis memahami konteks ancaman dengan lebih cepat dan efisien. Berdasarkan hasil penelitian, integrasi IBM QRadar SIEM dan Gemini LLM terbukti efektif dalam mendukung analisis ancaman siber pada Security Operations Center. Sistem yang dikembangkan mampu meningkatkan efektivitas klasifikasi ancaman, mempercepat proses triase insiden, serta mengurangi beban kerja analis SOC melalui penyajian analisis keamanan yang terstruktur dan otomatis. Kata kunci: Security Operations Center, SIEM, IBM QRadar, Large Language Model, Gemini AI, Analisis Ancaman Siber, Threat Detection.

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41522010243
Uncontrolled Keywords:	Security Operations Center, SIEM, IBM QRadar, Large Language Model, Gemini AI, Analisis Ancaman Siber, Threat Detection.
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	CLAUDIA ASTRIANI
Date Deposited:	29 Aug 2026 01:45
Last Modified:	29 Aug 2026 01:53
URI:	http://repository.mercubuana.ac.id/id/eprint/103495

Actions (login required)

View Item