Pembahasan Model Investigasi: On Forensic Investigation Model

Pada kesempatan kali ini kita akan bahas paper yang ditulis oleh Eso Dieko dkk pada tahun 2014 dengan judul On Forensic Investigation Model. Jadi masalah yang diangkat oleh peneliti yaitu bagaimana melakukan pencarian terhadap barang bukti dengan cara cepat. Dimisalkan ada barang bukti dengan data yang sangat banyak, nah akan kesulitan bagi investigator jika harus mencari file-file yang mencurigakan satu persatu dalam sebuah dataset yang sangat besar.

Oleh karena itu, paper ini mengusulkan sebuah model bagaimana dapat melakukan clustering terhadap dokumen dan image yang tidak terstruktur yang nantinya dapat dikelompokkan berdasarkan group-group yang telah ditentukan secara otomatis. Sistem ini dibuat berdasarkan kernel k-mean dan Radial Basis Function (RBF) sehingga dapat mendukung kecerdasan dalam aktivitas keamanan seperti identifikasi, tracking, extracting, pengklasifikasian, dan pencarian pattern sehingga dapat menghasilkan struktur yang konsisten dalam pengaksesan informasi.

Adapun sistem arsitektur yang diusulkan dalam paper ini seperti gambar dibawah ini.

Keterangan dalam proses implementasi sistem ini berdasarkan Cross Media Relevance Model (CMRM). Dengan penggunaan keterangan dalam sebuah images, sistem akan belajar untuk menggabungkan distribusi kata dan “blob”. Blob merupakan kode binary yang terdapat dalam sebuah objek. Berdasarkan blob tadi maka akan dicluster jenis images yang dimasukkan menggunakan algoritma K-means. Dan akan dianalisis berdasarkan modul-modul yang telah didesain diatas. Sistem ini diimplementasikan di Microsoft Windows XP Home Edition menggunakan Microsoft Visual Basic 6 dan database Microsoft SQL Version 2000.

Bahasa mudahnya, jadi sistem ini akan belajar untuk menganalisis ada apa saja dalam image yang di inputkan, jadi misal ada gambar laut, maka sistem akan menganalisis dan mengidentifikasi dalam gambar laut tersebut ada pantai, pasir, pohon, laut. Nantinya kata-kata yang telah diklasifikasikan akan dicluster berdasarkan group-group yang telah ditentukan. Jadi sistem ini akan belajar dari database yang ada dimilikinya.

Ada beberapa modul yang digunakan dalam sistem ini seperti desain sistem diatas. Penjelasan fungsi modul-modul tersebut yaitu:

Importer module

Modul ini berfungsi untuk mengenkstrak informasi yang ada dalam SAIAPR TC-12 dataset. SAIAPR TC-12 merupakan sebuah dataset image pengembangan dari IAPR TC-12 untuk evaluasi metode gambar secara otomatis. Jadi importer module sebagai jembatan menuju dataset ini.

Segmentation module

Modul ini berfungsi sebagai algoritma segmentasi untuk membuat list sebuah image yang di inputkan termasuk image dalam kategori apa.

Features Extractor Module

Modul ini berfungsi untuk mendeteksi kategori yang telah disegmentasi sebelumnya. Jika sebelumnya hanya mendeteksi termasuk kategori apa, maka dalam modul ini berdasarkan vector image yang ada akan dapat diekstrak informasi tentang daerah, lebar, tinggi, rata-rata, standar deviasi x dan y, konveksitas, rata-rata dari image tersebut.

Clustering Module

Menggunakan algoritma K-means, modul ini akan berfungsi mengidentifikasi data vector hasil Features Extractor Module untuk membuat blobs nya.

Automatic Annotation Module

Berdasarkan blob tadi, maka blob nya akan dibuat cluster-cluster di modul ini.

Semantic Based Image Retrieval

Modul ini berfungsi untuk mulai menyusun kata-kata untuk apa saja yang terdapat dalam image tersebut berdasarkan hasil dari modul-modul sebelumnya.

Menurut analisis saya, sistem yang diusulkan ini sangat membantu dalam melakukan investigasi forensik. Apalagi jika data yang akan dianalisis cukup banyak. Berdasarkan sistem ini, maka para investigator tidak akan lagi kesulitan dalam menganalisis karena image-image yang terdapat dalam data sudah dicluster dan diberikan kata-kata tentang apa saja yang terdapat dalam image tersebut. Sehingga nantinya investigator tinggal mencari kata yang diinginkannya tanpa harus menganalisis satu persatu file image.

Diakhir tulisan papernya, Eso Dieko juga mengusulkan sebuah standard untuk laporan item barang bukti digital. Ketika investigator menggunakan banyak tools forensik, maka kesulitan yang ditemui yaitu bagaimana mengintegrasikan item barang bukti dari laporan yang di generate oleh software menjadi sebuah laporan resmi investigasi. Padahal, laporan merupakan salah satu hal penting dalam investigasi. Laporan yang buruk akan mengakibatkan hasil analisis yang dilakukan menjadi sia-sia.

Maka, peneliti mengusulkan standard untuk laporan item barang bukti digital ini. Bentuk laporan standardnya seperti gambar dibawah ini.

Jadi menurut peneliti dalam sebuah laporan item barang bukti digital, harus memuat hal-hal seperti diatas. Sehingga harapannya para investigator akan lebih mudah membuat laporan berdasarkan standard laporan ini.

Demikianlah pembahasan kita kali ini pada topic Model Investigasi: On Forensic Investigation Model. Semoga pembahasan ini menambah wawasan kita semua. Wassalam.

Yogyakarta, 8 Desember 2015

Referensi :