Analisis Time Series Serangan Siber Global Menggunakan Metode ARIMA

Authors

  • Arda Surya Editya Universitas Nahdlatul Ulama Sidoarjo
  • Syahri Mu’min Universitas Nahdlatul Ulama Sidoarjo
  • Awang Andhyka Universitas Nahdlatul Ulama Sidoarjo
  • Rizky Aditya Nugroho Universitas Nahdlatul Ulama Sidoarjo
  • Achmad Mufliq Universitas Nahdlatul Ulama Sidoarjo

DOI:

https://doi.org/10.36815/submit.v5i2.4527

Keywords:

keamanan siber, analisis runtun waktu, ARIMA, tren serangan siber , analisis data

Abstract

Insiden keamanan siber terus mengalami peningkatan baik dari sisi frekuensi maupun dampak yang ditimbulkan, sehingga analisis berbasis waktu menjadi penting untuk memahami pola serangan jangka panjang. Penelitian ini bertujuan untuk menganalisis tren serangan siber global menggunakan pendekatan time series analysis dengan metode Autoregressive Integrated Moving Average (ARIMA). Dataset yang digunakan berasal dari data ancaman keamanan siber global periode 2015–2024 yang telah diagregasi menjadi data runtun waktu tahunan berdasarkan jumlah insiden serangan. Metodologi penelitian meliputi proses agregasi data, pengujian kestasioneran melalui differencing, penentuan parameter ARIMA berdasarkan analisis autocorrelation function (ACF) dan partial autocorrelation function (PACF), serta evaluasi model menggunakan Akaike Information Criterion (AIC). Hasil penelitian menunjukkan bahwa model ARIMA mampu merepresentasikan pola temporal dan tren peningkatan serangan siber global secara efektif. Penelitian ini memberikan kontribusi dalam pemanfaatan analisis time series berbasis ARIMA untuk memahami dinamika historis serangan siber sebagai dasar analisis keamanan siber berbasis data.

References

Choirunnisa, L., Oktaviana, T. H. C., Ridlo, A. A., & Rohmah, E. I. (2023). Peran Sistem Pemerintah Berbasis Elektronik (SPBE) Dalam Meningkatkan Aksesibilitas Pelayanan Publik di Indonesia. Sosio Yustisia: Jurnal Hukum dan Perubahan Sosial, 3(1), 71-95. 4.

Dinda, A. L. S. (2024). Efektivitas Penegakan Hukum Terhadap Kejahatan Siber di Indonesia. AL-DALIL: Jurnal Ilmu Sosial, Politik, dan Hukum, 2(2), 69-77.

Kohar, A., Asegaff, A. R. M. H. N., Salim, B. S., & Wijaya, H. (2026). Evaluasi Kinerja Algoritma Deep Learning Untuk Deteksi Dini Serangan Siber Pada Jaringan Komputer. Jurnal Pengabdian Masyarakat dan Riset Pendidikan, 4(3), 14602-14607.

Nasution, M. I. P. (2025). STRATEGI UNTUK MENJAGA KONSISTENSI DAN AKURASI DATA DALAM PENGAMBILAN KEPUTUSAN. JURNAL ILMIAH NUSANTARA, 2(4), 641-647.

Santoso, J. T. (2023). Teknologi Keamanan Siber (Cyber Security). Penerbit Yayasan Prima Agus Teknik, 1-173.

Saramuke, S. S., Putri, V. A., Sormin, A. M., & Nugraha, M. (2025). Ancaman Keamanan Siber dan Peran Aktor Non-Negara di Dunia Digital. Syntax Idea, 7(2), 141-152.

Schaffer, A. L., Dobbins, T. A., & Pearson, S. A. (2021). Interrupted time series analysis using autoregressive integrated moving average (ARIMA) models: a guide for evaluating large-scale health interventions. BMC medical research methodology, 21(1), 58.

Soundankar, Atharva. Global Cybersecurity Threats (2015–2024). Kaggle, 2023, https://www.kaggle.com/datasets/atharvasoundankar/global-cybersecurity-threats-2015-2024

Downloads

Published

2025-12-31

How to Cite

Editya, A. S., Mu’min, S. ., Andhyka, A., Nugroho, R. A. ., & Mufliq, A. . (2025). Analisis Time Series Serangan Siber Global Menggunakan Metode ARIMA. SUBMIT: Jurnal Ilmiah Teknologi Infomasi Dan Sains, 5(2), 18–22. https://doi.org/10.36815/submit.v5i2.4527