K-anonymity Menggunakan Simple Distribution of Sensitive Values dan Aggregation of Sensitive Values

Abstract

Penganoniman microdata sangat diperlukan jika microdata tersebut akan dipublikasikan keluar maupun akan berbagi dengan pihak lain. Tujuan penganoniman tersebut adalah agar data yang bersifat sensitif tidak akan dapat diketahui oleh pihak yang tidak berkepentinganm baik secara langsung maupun tidak langsung. Pada penelitian yang berkembang saat ini teknik yang banyak digunakan adalah dengan generalisasi dan supresi pada model k-anonymity, namun teknik ini memiliki kelemahan yaitu tingkat information loss yang dihasilkan cukup tinggi. Selain itu, representasi microdata yang dihasilkan akibat penganoniman tersebut terlalu besar, sehingga perlu disederhanakan. Pada penelitian ini akan dibangun model anonymity dengan menggunakan teknik distribusi atribut sensitif yaitu Simple Distribution of Sensitive Values (SDSV). Tujuan utama metode ini adalah mengurangi probabilitas pihak yang tidak terotorisasi dalam menebak pemilik data sensitif. Sedangkan untuk memnyederhanakan representasi dari microdata tersebut, teknik aggregative of sensitive value (ASENVA) akan diterapkan. Hasil dari penelitian ini, metode SDSV memiliki tingkat information loss yang lebih minimal, sedangkan penggunaan ASENVA menyederhanakan representasi tabel anonim menjadi rata-rata 13.67% untuk agregat tabel quasi-identifier dan 6.35% untuk tabel sensitif.

Keywords

• aggregative of sensitive value
• k-anonymity
• privacy
• simple distribution of sensitive values