Komputasi Neuromorfik Komputasi neuromorfik adalah cara mendesain komputer dengan meniru cara kerja otak manusia dan sistem saraf. Alih-alih menggunakan chip komputer tradisional yang memproses informasi dalam langkah-langkah terpisah, sistem neuromorfik menggunakan sirkuit elektronik yang berperilaku seperti neuron dan sinapsis—komponen penyusun otak kita. ## Apa Itu Komputasi Neuromorfik? Kata "neuromorfik" berasal dari bahasa Yunani: *neuro* (saraf) dan *morphe* (bentuk). Dengan demikian, secara harfiah berarti "berbentuk seperti saraf." Komputer konvensional mengikuti arsitektur von Neumann, di mana memori dan pemrosesan dipisahkan dan data bergerak di antara keduanya. Ini menciptakan hambatan yang membatasi kecepatan dan efisiensi energi. Otak manusia, sebaliknya, memproses dan menyimpan informasi di tempat yang sama—di dalam sinapsis itu sendiri. Sistem neuromorfik mencoba meniru keunggulan otak ini dengan: - Memproses banyak informasi secara bersamaan (pemrosesan paralel) - Menggunakan energi yang jauh lebih sedikit dibandingkan chip tradisional - Beradaptasi dan "belajar" dari pengalaman, mirip seperti otak manusia ## Bagaimana Cara Kerjanya? ```figure: ┌─────────────────────────────────────────────┐ │ Neuron Biologis vs Buatan │ │ │ │ Biologis: dendrit → soma → akson │ │ Buatan: masukan → node → keluaran │ │ │ │ Keduanya: sinyal + bobot = pembelajaran │ └─────────────────────────────────────────────┘ @title Perbandingan Neuron Biologis dan Buatan @caption Neuron biologis dan neuron buatan berbagi prinsip dasar yang sama: sinyal masuk dibobot dan digabungkan untuk menghasilkan keluaran. @source EducationPals diagram ``` Chip neuromorfik mengandung jutaan komponen kecil yang disebut **neuron tiruan** dan **sinapsis tiruan**. 1. **Neuron tiruan** menerima sinyal listrik dari neuron lain 2. Ketika sinyal yang diterima melampaui ambang batas tertentu, neuron **"menembak"** dan mengirimkan sinyalnya sendiri 3. **Sinapsis tiruan** menghubungkan neuron-neuron ini dan dapat menjadi lebih kuat atau lebih lemah seiring waktu—inilah cara sistem belajar Proses menembak ini disebut **komputasi berbasis lonjakan** (*spiking neural networks*). Berbeda dengan komputasi biasa yang menggunakan angka kontinu, sistem ini bekerja dengan pulsa diskrit, seperti sinyal "nyala/mati" yang cepat—sangat mirip dengan cara neuron otak sungguhan berkomunikasi. ## Mengapa Ini Penting? Komputer tradisional menggunakan banyak energi karena terus-menerus memindahkan data antara prosesor dan memori. Bayangkan harus bolak-balik ke perpustakaan setiap kali ingin membaca buku, dibandingkan memiliki semua buku langsung di meja Anda. Otak manusia hanya menggunakan sekitar **20 watt** daya—setara dengan bohlam lampu redup—namun mampu melakukan tugas-tugas luar biasa kompleks. Superkomputer yang mencoba meniru kemampuan otak bisa mengonsumsi **megawatt** daya. Chip neuromorfik menjembatani kesenjangan ini dengan: - **Efisiensi energi**: Menggunakan hingga 1.000 kali lebih sedikit energi dibandingkan chip konvensional untuk tugas-tugas tertentu - **Pemrosesan real-time**: Dapat memproses informasi sensor secara langsung tanpa mengirim data ke cloud - **Kemampuan belajar adaptif**: Meningkat kinerjanya seiring pengalaman ## Contoh Nyata Beberapa perusahaan teknologi terkemuka telah mengembangkan chip neuromorfik: - **Intel Loihi**: Chip Intel yang mengandung 128 inti neuromorfik dengan sekitar 130.000 neuron tiruan. Chip ini dapat mempelajari tugas-tugas baru secara mandiri tanpa diprogram ulang. - **IBM TrueNorth**: Mengandung 1 juta neuron tiruan dan 256 juta sinapsis tiruan, namun hanya menggunakan sekitar 70 miliwatt daya—lebih hemat dari sebagian besar lampu LED. - **BrainScaleS**: Sistem buatan Eropa yang berjalan hingga 10.000 kali lebih cepat dari otak biologis sungguhan, berguna untuk penelitian ilmiah. ## Penerapan di Dunia Nyata Komputasi neuromorfik sangat cocok untuk tugas-tugas yang melibatkan: **Pengenalan pola** - Mengenali wajah dalam foto - Memahami ucapan dalam kondisi berisik - Mendeteksi objek dalam video secara real-time **Robotika dan kendaraan otonom** - Robot yang bereaksi cepat terhadap lingkungan sekitarnya - Kendaraan self-driving yang memproses data sensor secara efisien - Drone yang dapat menavigasi medan yang kompleks **Perangkat medis** - Prostesis cerdas yang merespons niat pengguna - Implan otak untuk membantu pasien dengan gangguan saraf - Perangkat pemantauan kesehatan yang hemat daya **Komputasi tepi (edge computing)** - Smartphone yang memproses AI tanpa menguras baterai - Kamera keamanan cerdas yang bekerja secara lokal - Perangkat IoT (Internet of Things) yang hemat energi ## Perbandingan dengan AI Tradisional | Aspek | AI Tradisional | Komputasi Neuromorfik | |---|---|---| | Konsumsi energi | Tinggi | Sangat rendah | | Cara belajar | Pelatihan batch | Pembelajaran berkelanjutan | | Pemrosesan | Berurutan/paralel terbatas | Sangat paralel | | Adaptasi | Memerlukan pelatihan ulang | Beradaptasi secara real-time | | Terbaik untuk | Komputasi presisi tinggi | Pengenalan pola, sensor | ## Tantangan yang Masih Ada Meskipun menjanjikan, komputasi neuromorfik masih menghadapi beberapa kendala: 1. **Pemrograman yang sulit**: Menulis perangkat lunak untuk chip neuromorfik memerlukan cara berpikir yang berbeda sama sekali dari pemrograman komputer konvensional 2. **Skalabilitas**: Membangun sistem yang lebih besar sambil menjaga efisiensi masih merupakan tantangan teknis 3. **Standarisasi**: Berbagai perusahaan menggunakan pendekatan yang berbeda-beda, sehingga sulit untuk berbagi alat dan pengetahuan 4. **Akurasi terbatas**: Untuk tugas-tugas yang memerlukan presisi matematis tinggi, chip tradisional masih lebih unggul ## Masa Depan Komputasi Neuromorfik Para peneliti terus mengembangkan generasi baru chip neuromorfik yang lebih canggih. Beberapa arah penelitian yang menarik meliputi: - **Memristors**: Komponen sirkuit baru yang dapat berfungsi sebagai sinapsis tiruan yang lebih realistis - **Komputasi foton**: Menggunakan cahaya alih-alih listrik untuk meniru sinyal saraf dengan kecepatan yang lebih tinggi - **Integrasi dengan AI konvensional**: Menggabungkan kekuatan komputasi neuromorfik dengan kemampuan presisi AI tradisional Seiring meningkatnya permintaan akan AI yang hemat energi—terutama untuk perangkat portabel dan aplikasi tepi jaringan—komputasi neuromorfik diperkirakan akan memainkan peran yang semakin penting dalam lanskap teknologi masa depan. ## Ringkasan Komputasi neuromorfik merupakan pendekatan revolusioner dalam desain komputer yang terinspirasi dari cara kerja otak manusia. Dengan meniru neuron dan sinapsis biologis, sistem ini menawarkan efisiensi energi yang jauh lebih baik dan kemampuan belajar adaptif yang unik. Meskipun masih menghadapi tantangan teknis, teknologi ini menjanjikan masa depan di mana perangkat kecerdasan buatan bisa bekerja lebih cerdas dengan energi yang jauh lebih sedikit—membuka kemungkinan baru dalam robotika, kesehatan, dan komputasi sehari-hari.HKU Merancang Ulang Transistor Daya agar Berpikir Seperti Neuron di Dekat Nol MutlakTransistor silikon karbida standar, yang dikonfigurasi ulang pada suhu 10 milikelvin, menghasilkan lonjakan sinyal mirip otak di dalam lemari pendingin komputer kuantum. Inilah fisika di balik mengapa hal itu penting.Komputasi NeuromorfikUniversitas Hong KongSilicon CarbideElektronik KriogenikOhm My God·Jun 16, 2026·5 min readBaca artikel
02Kecerdasan buatan dalam keamanan komputer ## Apa itu AI dalam Keamanan Komputer? Kecerdasan buatan (AI) dalam keamanan komputer berarti menggunakan mesin cerdas untuk membantu melindungi sistem komputer, jaringan, dan data dari serangan atau kerusakan. Alih-alih mengandalkan manusia untuk memantau setiap ancaman secara manual, AI dapat memindai jutaan kejadian secara otomatis, mempelajari pola-pola baru, dan merespons bahaya lebih cepat daripada yang bisa dilakukan siapa pun. ## Mengapa AI Digunakan dalam Keamanan? Ancaman siber modern terlalu banyak dan berubah terlalu cepat untuk ditangani manusia sendirian. AI membantu karena: - Dapat memproses data dalam jumlah sangat besar secara real time - Belajar mengenali serangan baru yang belum pernah dilihat sebelumnya - Bekerja terus-menerus selama 24 jam sehari, 7 hari seminggu, tanpa kelelahan - Mengurangi waktu yang dibutuhkan untuk mendeteksi dan merespons ancaman ## Cara AI Melindungi Sistem Komputer ### Deteksi Ancaman Sistem AI menganalisis lalu lintas jaringan dan perilaku pengguna untuk menemukan sesuatu yang tidak biasa. Misalnya, jika sebuah akun tiba-tiba mengunduh ribuan file di tengah malam, AI dapat menandainya sebagai mencurigakan. ### Deteksi Malware Alat keamanan tradisional mencocokkan malware dengan daftar ancaman yang sudah diketahui. AI dapat melampaui hal ini dengan mengenali perangkat lunak berbahaya *baru* berdasarkan cara kerjanya, bahkan jika malware tersebut belum pernah terlihat sebelumnya. ### Pencegahan Penipuan Bank dan toko online menggunakan AI untuk memeriksa setiap transaksi secara real time. Jika sebuah pembelian terlihat tidak biasa berdasarkan kebiasaan belanja seseorang, AI dapat memblokir atau menandai transaksi tersebut. ### Respons Otomatis Ketika serangan terdeteksi, AI dapat langsung mengambil tindakan, seperti mengisolasi komputer yang terinfeksi, memblokir alamat IP berbahaya, atau memperingatkan administrator keamanan, semuanya dalam hitungan detik. ## Cara Penyerang Menggunakan AI Sayangnya, AI bukan hanya alat pertahanan. Penjahat siber juga menggunakannya untuk: - Membuat email phishing yang lebih meyakinkan menggunakan pembuatan teks AI - Mengotomatiskan pemindaian kerentanan untuk menemukan celah sistem lebih cepat - Mengembangkan malware yang mengubah perilakunya untuk menghindari deteksi - Melancarkan serangan skala besar yang akan membutuhkan banyak peretas manusia jika dilakukan secara manual Hal ini menciptakan "perlombaan senjata" antara penyerang dan pembela, di mana kedua sisi terus meningkatkan alat AI mereka. ## Konsep Kunci **Pembelajaran mesin (Machine learning):** Jenis AI yang belajar dari contoh-contoh. Dalam keamanan, sistem dilatih menggunakan data serangan nyata sehingga dapat mengenali pola serupa di masa depan. **Anomali:** Sesuatu yang berbeda dari perilaku normal. Sistem AI mencari anomali sebagai tanda-tanda peringatan dini adanya serangan. **Model ancaman (Threat model):** Deskripsi tentang siapa yang mungkin menyerang suatu sistem, bagaimana caranya, dan mengapa. AI membantu memperbarui model ancaman secara otomatis seiring munculnya ancaman baru. **Positif palsu (False positive):** Ketika sistem keamanan salah menandai sesuatu yang aman sebagai berbahaya. Menyeimbangkan sensitivitas dan akurasi merupakan tantangan utama AI dalam keamanan. ## Keterbatasan AI dalam Keamanan AI sangat berguna, tetapi bukan solusi sempurna: - AI bisa membuat kesalahan, terutama terhadap ancaman yang sangat baru atau tidak terduga - Sistem AI sendiri bisa menjadi target serangan (dikenal sebagai *adversarial AI*) - Diperlukan data pelatihan berkualitas tinggi agar AI dapat bekerja dengan baik - AI tidak menggantikan penilaian manusia untuk keputusan keamanan yang kompleks ## Contoh Kehidupan Nyata - **Antivirus** di komputermu sering menggunakan AI untuk mendeteksi ancaman baru - **Filter spam email** menggunakan pembelajaran mesin untuk menyaring phishing dan penipuan - **Platform media sosial** menggunakan AI untuk mendeteksi akun palsu dan konten berbahaya - **Perbankan online** menggunakan AI untuk menandai transaksi yang mencurigakan ## Poin-Poin Penting - AI membantu para profesional keamanan mendeteksi dan merespons ancaman jauh lebih cepat - Baik penyerang maupun pembela menggunakan AI, sehingga keamanan siber terus berkembang - AI bekerja paling baik sebagai mitra bagi pakar manusia, bukan sebagai penggantinya - Memahami cara kerja AI dalam keamanan semakin penting seiring dunia yang semakin bergantung pada sistem digitalAnthropic Secara Sukarela Menekan AI Pencari Kerentanan Paling Kuatnya. Keputusan Itulah yang Menjadi Kisah Sesungguhnya.Claude MythosAnthropicPenemuan Kerentanan AITata Kelola AIPatch Tuesday·Jun 16, 2026·5 min readBaca artikel
03Evaluasi keamanan kecerdasan buatanThe UK Government Ran Weekly AI Hackathons and Found 400+ Vulnerabilities. Here's What That Tells Builders.Government Cyber Coordination CentreAI Red-TeamingKeamanan AI FrontierNCSCHallucination Free·Jun 16, 2026·5 min readBaca artikel
04Industri kecerdasan buatan di IndiaIndia's AI Bet Goes Domestic: Apa yang Diisyaratkan Putaran $234 Juta Sarvam bagi Pasar KeterampilanSarvam AIHCLTechEkosistem AI IndiaAI BerdaulatSkills Gap·Jun 16, 2026·4 min readBaca artikel
05Uap Next FestSteam Next Fest Punya Demo Senilai 90 Hari. Tapi Tidak Ada yang Memainkan Punyamu.Steam Next FestPengembangan Game IndieSteamPemasaran GameSkill Issue·Jun 16, 2026·5 min readBaca artikel
06Teknologi proses manufaktur semikonduktor ## Gambaran Umum Manufaktur semikonduktor adalah proses pembuatan komponen elektronik—seperti chip, transistor, dan dioda—menggunakan bahan semikonduktor seperti silikon. Proses ini sangat teliti dan melibatkan banyak tahapan yang dilakukan di lingkungan yang sangat bersih dan terkontrol. ## Bahan Baku - **Silikon**: Bahan yang paling umum digunakan, diperoleh dari pasir kuarsa - **Germanium**: Digunakan dalam aplikasi tertentu seperti detektor inframerah - **Galium arsenida (GaAs)**: Digunakan untuk perangkat frekuensi tinggi dan optoelektronik - **Indium fosfida (InP)**: Digunakan dalam aplikasi komunikasi optik ## Tahapan Utama Proses Manufaktur ### 1. Pertumbuhan dan Persiapan Wafer Silikon murni dilebur dan ditumbuhkan menjadi kristal tunggal berbentuk silinder (ingot) menggunakan metode Czochralski. Ingot kemudian dipotong menjadi lembaran tipis yang disebut **wafer**. ### 2. Pembersihan dan Persiapan Permukaan Wafer harus dibersihkan secara menyeluruh untuk menghilangkan kontaminan. Proses ini melibatkan: - Pembersihan kimia menggunakan larutan asam dan basa - Pembilasan dengan air ultramurni - Pengeringan dengan teknik khusus ### 3. Oksidasi Lapisan tipis silikon dioksida (SiO₂) ditumbuhkan di permukaan wafer. Lapisan ini berfungsi sebagai: - Lapisan insulasi - Pelindung permukaan - Lapisan awal untuk proses litografi ### 4. Litografi (Fotolitografi) Ini adalah tahapan paling kritis dalam proses manufaktur chip. Pola sirkuit dipindahkan ke wafer menggunakan cahaya: 1. Wafer dilapisi dengan bahan peka cahaya yang disebut **fotoresist** 2. Cahaya ultraviolet (UV) diarahkan melalui **masker** (cetakan pola sirkuit) 3. Fotoresist yang terpapar cahaya mengalami perubahan kimia 4. Pengembang kimia menghilangkan bagian fotoresist yang telah terpapar (atau yang tidak terpapar, tergantung jenisnya) 5. Pola sirkuit kini tercetak di wafer ### 5. Pengetsaan (Etching) Proses pengetsaan menghilangkan lapisan material yang tidak terlindungi oleh fotoresist: - **Pengetsaan basah**: Menggunakan larutan kimia cair - **Pengetsaan kering (plasma)**: Menggunakan gas plasma untuk presisi yang lebih tinggi ### 6. Deposisi Lapisan material baru ditambahkan ke permukaan wafer menggunakan berbagai teknik: - **CVD (Chemical Vapour Deposition)**: Deposisi uap kimia - **PVD (Physical Vapour Deposition)**: Deposisi uap fisika - **ALD (Atomic Layer Deposition)**: Deposisi lapisan atom demi atom untuk ketebalan yang sangat presisi ### 7. Dopasi (Implantasi Ion) Atom pengotor (dopan) ditambahkan ke silikon untuk mengubah sifat listriknya: - **Dopan tipe-N**: Misalnya fosfor atau arsenik, menambahkan elektron bebas - **Dopan tipe-P**: Misalnya boron, menciptakan "lubang" yang berperilaku seperti muatan positif ### 8. Anil (Annealing) Setelah implantasi ion, wafer dipanaskan pada suhu tinggi untuk: - Memperbaiki kerusakan pada kisi kristal - Mengaktifkan atom dopan secara listrik ### 9. Metalisasi Lapisan logam (biasanya tembaga atau aluminium) ditambahkan untuk membentuk jalur konduktor yang menghubungkan komponen-komponen di dalam chip. ### 10. Pengujian dan Pemotongan Wafer Setelah semua lapisan selesai diproses: 1. Setiap chip (die) pada wafer diuji secara elektrikal 2. Wafer dipotong menggunakan gergaji berlian atau laser 3. Chip yang berfungsi dipilih untuk tahap pengemasan ## Pengemasan (Packaging) Chip yang telah dipotong dikemas untuk melindunginya dan memudahkan pemasangan pada papan sirkuit: - Chip dilekatkan pada substrat kemasan - Kawat halus atau bola solder menghubungkan chip ke pin eksternal - Kemasan diberi lapisan pelindung (biasanya plastik atau keramik) ## Teknologi Node dan Miniaturisasi Ukuran fitur pada chip semikonduktor terus menyusut dari waktu ke waktu, mengikuti **Hukum Moore**: - **Node 10 nm, 7 nm, 5 nm, 3 nm**: Mengacu pada ukuran fitur transistor terkecil - Semakin kecil node, semakin banyak transistor yang dapat dimasukkan ke dalam satu chip - Litografi ekstrem ultraviolet (**EUV**) digunakan untuk mencapai node yang lebih kecil dari 7 nm ## Lingkungan Ruang Bersih (Cleanroom) Manufaktur semikonduktor dilakukan di **ruang bersih** dengan kontrol ketat terhadap: - Partikel debu di udara (diklasifikasikan berdasarkan standar ISO) - Suhu dan kelembaban - Getaran - Kontaminasi elektrostatik Ruang bersih untuk manufaktur chip canggih biasanya diklasifikasikan sebagai **ISO Kelas 1** hingga **ISO Kelas 5**. ## Tantangan dan Tren Masa Depan - **Batas fisik silikon**: Transistor kini sudah mendekati ukuran beberapa atom - **Komputasi kuantum**: Mengeksplorasi bahan dan prinsip baru di luar semikonduktor konvensional - **Semikonduktor 2D**: Bahan seperti molibdenum disulfida (MoS₂) sebagai kandidat pengganti silikon - **Integrasi 3D**: Menumpuk lapisan chip secara vertikal untuk meningkatkan kepadatanSMIC N+3 Teardown: Bagaimana DUV Multi-Patterning Mengungguli Intel 18ASMIC N+3Manufaktur SemikonduktorLitografi DUVIntel 18AOhm My God·Jun 16, 2026·6 min readBaca artikel
07Oracle PeopleSoft vulnerability ## Apa Itu Kerentanan Oracle PeopleSoft? Kerentanan Oracle PeopleSoft adalah kelemahan keamanan yang ditemukan dalam perangkat lunak Oracle PeopleSoft — sebuah rangkaian aplikasi bisnis yang digunakan secara luas oleh universitas, instansi pemerintah, dan perusahaan besar untuk mengelola sumber daya manusia, keuangan, dan data mahasiswa. Ketika kerentanan ini dieksploitasi, penyerang dapat memperoleh akses tidak sah ke sistem sensitif, mencuri data, atau mengganggu operasional organisasi. ## Mengapa PeopleSoft Menjadi Target? PeopleSoft digunakan oleh ribuan organisasi di seluruh dunia, termasuk lembaga pendidikan tinggi dan instansi pemerintah. Hal ini menjadikannya target yang menarik bagi para penyerang karena beberapa alasan: - Sistem ini menyimpan data pribadi dan keuangan dalam jumlah besar - Banyak organisasi menunda pembaruan dan penambalan sistem - Antarmuka berbasis web membuka kemungkinan serangan dari jarak jauh - Sistem warisan sering kali terintegrasi dengan komponen yang sudah usang ## Jenis-Jenis Kerentanan yang Umum ### Kerentanan Server Web PeopleSoft Beberapa kerentanan yang paling kritis memengaruhi komponen web PeopleSoft: - **Injeksi SQL** — penyerang menyisipkan perintah berbahaya ke dalam kolom input database - **Cross-site scripting (XSS)** — kode berbahaya disuntikkan ke halaman web yang dilihat pengguna lain - **Traversal jalur** — penyerang mengakses file di luar direktori yang seharusnya diizinkan - **Bypass autentikasi** — melewati layar login tanpa kredensial yang valid ### Kerentanan PeopleSoft PeopleTools PeopleTools adalah kerangka pengembangan yang mendasari semua aplikasi PeopleSoft. Kerentanan di sini dapat memengaruhi seluruh instalasi: - Kelemahan pada komponen Integration Broker yang menangani pertukaran data - Masalah pada mesin debugger yang dapat dieksploitasi dari jarak jauh - Konfigurasi XML yang tidak aman yang memungkinkan injeksi entitas eksternal ### Bypass Autentikasi GetPS dan PS Token Kerentanan khusus yang ditemukan oleh peneliti keamanan memungkinkan penyerang melewati autentikasi dengan memanipulasi cookie sesi PeopleSoft yang disebut **PS_TOKEN**. ## Bagaimana Serangan Ini Bekerja ```figure: @title Alur Serangan Kerentanan PeopleSoft @caption Seorang penyerang mengeksploitasi titik masuk yang rentan untuk mendapatkan akses awal, lalu melakukan eskalasi hak akses guna menjangkau data sensitif. ┌─────────────┐ ┌──────────────────┐ ┌─────────────────┐ │ Penyerang │────▶│ Titik Masuk │────▶│ Akses Awal │ │ │ │ Rentan │ │ ke Sistem │ └─────────────┘ └──────────────────┘ └────────┬────────┘ │ ┌──────────────────┐ ▼ │ Data Sensitif │◀──── Eskalasi Hak Akses │ Terekspos │ └──────────────────┘ @source Diagram EducationPals ``` Serangan tipikal mengikuti pola berikut: 1. **Pengintaian** — penyerang mengidentifikasi instalasi PeopleSoft yang dapat diakses publik 2. **Pemindaian** — alat otomatis mencari versi dan komponen yang rentan 3. **Eksploitasi** — kerentanan dimanfaatkan untuk mendapatkan akses awal 4. **Eskalasi hak akses** — penyerang meningkatkan hak akses untuk menjangkau data yang lebih sensitif 5. **Eksfiltrasi data** — informasi sensitif dicuri atau sistem disusupi ## Kerentanan Terkenal dan Nomor CVE-nya CVE (Common Vulnerabilities and Exposures) adalah sistem standar untuk mengidentifikasi kerentanan keamanan yang diketahui publik. Berikut beberapa kerentanan PeopleSoft yang penting: | Nomor CVE | Komponen yang Terdampak | Tingkat Keparahan | |---|---|---| | CVE-2017-10271 | Oracle WebLogic (digunakan bersama PeopleSoft) | Kritis | | CVE-2014-4288 | PeopleSoft PeopleTools | Tinggi | | CVE-2013-3827 | PeopleSoft Enterprise Portal | Tinggi | ## Dampak Nyata Kerentanan PeopleSoft telah dieksploitasi dalam insiden dunia nyata: - Universitas kehilangan data mahasiswa termasuk nomor jaminan sosial dan catatan keuangan - Instansi pemerintah mengalami pelanggaran yang mengekspos informasi pegawai - Perusahaan menderita kerugian finansial akibat akses tidak sah ke sistem penggajian ## Cara Organisasi Melindungi Diri ### Manajemen Patch Oracle secara rutin merilis pembaruan keamanan melalui **Critical Patch Update (CPU)** triwulanan. Organisasi harus: - Menerapkan patch keamanan segera setelah dirilis - Melacak pengumuman keamanan Oracle - Menguji patch di lingkungan staging sebelum diterapkan ke produksi ### Kontrol Akses Jaringan - Batasi akses ke antarmuka admin PeopleSoft hanya dari jaringan tepercaya - Gunakan VPN untuk akses jarak jauh - Terapkan segmentasi jaringan untuk mengisolasi sistem PeopleSoft ### Pemantauan dan Pendeteksian - Pantau log akses untuk mendeteksi pola yang tidak biasa - Terapkan sistem deteksi intrusi (IDS) - Lakukan audit keamanan dan uji penetrasi secara berkala ### Keamanan Konfigurasi - Nonaktifkan layanan dan port yang tidak diperlukan - Gunakan kata sandi yang kuat dan autentikasi multi-faktor - Tinjau dan batasi izin pengguna secara berkala ## Tanggung Jawab Oracle Oracle merilis patch keamanan melalui proses CPU triwulanan dan menyediakan: - Matriks identifikasi risiko untuk membantu menentukan prioritas patch - Catatan keamanan dan panduan hardening - Oracle Security Alerts untuk kerentanan kritis yang memerlukan tindakan segera ## Poin-Poin Penting - Kerentanan PeopleSoft dapat mengekspos data sensitif milik jutaan orang - Banyak serangan memanfaatkan kelemahan yang sudah diketahui dengan patch yang tersedia namun belum diterapkan - Penerapan patch secara teratur adalah pertahanan paling efektif - Organisasi yang menjalankan PeopleSoft harus memperlakukannya sebagai aset infrastruktur kritis - Peneliti keamanan terus menemukan kerentanan baru, sehingga kewaspadaan berkelanjutan sangat diperlukanCVE-2026-35273: Zero-Day PeopleSoft yang Membuat Masalah ERP Pendidikan Tinggi Tidak Bisa Diabaikan LagiOracle PeopleSoftCVE-2026-35273Kerentanan Zero-DayKeamanan Pendidikan TinggiPatch Tuesday·Jun 16, 2026·6 min readBaca artikel
08Claude Corps ## Apa Itu Claude Corps? Claude Corps adalah program sukarela yang memungkinkan anggotanya untuk melayani komunitas mereka melalui berbagai proyek dan inisiatif yang bermakna. Program ini dirancang untuk menghubungkan individu yang bersemangat dengan peluang untuk membuat perbedaan nyata di dunia sekitar mereka. ## Cara Kerja Program Anggota Claude Corps bekerja dalam tim kecil yang kolaboratif untuk menyelesaikan proyek-proyek komunitas. Setiap tim mendapat bimbingan dari mentor berpengalaman yang membantu memastikan proyek berjalan dengan lancar dan memberikan dampak yang maksimal. ## Manfaat Bergabung - Mengembangkan keterampilan kepemimpinan dan kerja tim - Membangun jaringan dengan individu yang berpikiran sama - Mendapatkan pengalaman langsung dalam pelayanan komunitas - Berkontribusi pada perubahan positif yang nyata - Meningkatkan pemahaman tentang isu-isu sosial ## Cara Bergabung 1. Daftarkan diri melalui portal resmi Claude Corps 2. Ikuti sesi orientasi untuk memahami nilai dan misi program 3. Pilih proyek atau inisiatif yang sesuai dengan minat Anda 4. Mulai berkontribusi bersama tim Anda ## Dampak Program Claude Corps telah berhasil menyelesaikan ratusan proyek komunitas di seluruh dunia, menyentuh kehidupan ribuan orang. Program ini terus berkembang dan mencari individu yang berdedikasi untuk bergabung dalam misi mulia ini.Korps Claude Anthropic Membayar Fellow $85K untuk Menanamkan AI di Organisasi Nirlaba. Model Karier Itu Layak Dipelajari.Claude CorpsAnthropicProgram Fellowship AIPengembangan Tenaga Kerja AIHallucination Free·Jun 16, 2026·5 min readBaca artikel
09Kesenjangan Keterampilan Pasar Kerja AI ## Apa Itu Kesenjangan Keterampilan Pasar Kerja AI? Kesenjangan keterampilan pasar kerja AI mengacu pada ketidaksesuaian yang semakin besar antara keterampilan yang dibutuhkan oleh perusahaan yang mengadopsi teknologi kecerdasan buatan dan keterampilan yang sebenarnya dimiliki oleh tenaga kerja saat ini. Seiring dengan semakin cepatnya kemajuan AI, banyak organisasi kesulitan menemukan pekerja yang memiliki kemampuan teknis maupun non-teknis yang tepat untuk menerapkan, mengelola, dan bekerja berdampingan dengan sistem AI secara efektif. ## Mengapa Kesenjangan Ini Terjadi? Beberapa faktor berkontribusi terhadap kesenjangan keterampilan AI: - **Kemajuan teknologi yang cepat:** Alat dan platform AI berkembang jauh lebih cepat daripada kemampuan sistem pendidikan formal untuk memperbarui kurikulumnya. - **Permintaan yang tinggi, pasokan yang terbatas:** Perusahaan di berbagai industri serentak mencari talenta AI, sehingga menciptakan persaingan ketat untuk mendapatkan profesional yang sudah terlatih. - **Kurangnya pelatihan praktis:** Banyak program pendidikan berfokus pada teori tetapi tidak memberikan pengalaman langsung dengan alat AI yang digunakan di dunia nyata. - **Hambatan akses:** Tidak semua orang memiliki akses yang sama terhadap peluang pendidikan dan pelatihan berkualitas tinggi di bidang AI, sehingga memperlebar ketimpangan yang sudah ada. ## Keterampilan Apa yang Paling Banyak Dicari? Pemberi kerja umumnya mencari kombinasi kemampuan teknis dan kemampuan yang lebih luas: **Keterampilan teknis:** - Pemrograman (terutama Python) - Pembelajaran mesin dan pembelajaran mendalam - Rekayasa data dan analitik - Pemrosesan bahasa alami (NLP) - Keamanan siber terkait AI **Keterampilan yang dapat ditransfer:** - Pemikiran kritis dan pemecahan masalah - Literasi data — kemampuan membaca dan menginterpretasikan data - Kemampuan beradaptasi dan kemauan untuk terus belajar - Kolaborasi antardisiplin - Pertimbangan etis dan pemahaman tentang bias AI ## Siapa yang Paling Terdampak? Kesenjangan keterampilan tidak memengaruhi semua orang secara merata. Kelompok yang paling rentan terdampak meliputi: - **Pekerja di industri yang terdisrupsi** seperti manufaktur, layanan pelanggan, dan pengolahan data, di mana otomatisasi AI sedang menggantikan tugas-tugas rutin. - **Mereka yang tidak memiliki akses ke pendidikan ulang (reskilling)**, termasuk pekerja yang lebih tua atau mereka yang tinggal di daerah dengan sumber daya pelatihan yang terbatas. - **Usaha kecil dan menengah** yang tidak memiliki sumber daya untuk bersaing memperebutkan talenta AI dibandingkan perusahaan besar. - **Ekonomi berkembang** yang mungkin menghadapi tantangan lebih besar dalam mengembangkan infrastruktur AI dan tenaga kerja terampil secara bersamaan. ## Bagaimana Kesenjangan Ini Sedang Diatasi? Berbagai pemangku kepentingan mengambil langkah-langkah untuk menjembatani kesenjangan ini: **Pemerintah dan pembuat kebijakan:** - Menginvestasikan dana publik dalam program pelatihan dan pendidikan ulang AI - Mengembangkan kerangka kualifikasi nasional untuk keterampilan AI - Bermitra dengan industri untuk menyelaraskan kurikulum dengan kebutuhan dunia kerja yang nyata **Institusi pendidikan:** - Meluncurkan gelar dan sertifikat baru di bidang AI dan ilmu data - Menawarkan kursus daring terbuka (MOOC) agar pendidikan AI lebih mudah diakses - Mengintegrasikan literasi AI ke dalam mata pelajaran yang tidak berkaitan dengan teknologi **Perusahaan:** - Membangun program pelatihan internal untuk meningkatkan keterampilan (upskilling) karyawan yang sudah ada - Bermitra dengan universitas dan platform teknologi pendidikan - Menciptakan jalur karier yang lebih jelas bagi peran yang berfokus pada AI **Individu:** - Menggunakan platform pembelajaran daring seperti Coursera, edX, dan fast.ai - Membangun portofolio proyek untuk menunjukkan kemampuan praktis - Bergabung dengan komunitas AI dan menghadiri acara-acara industri ## Contoh Nyata - **Amazon** telah berkomitmen melatih ulang 100.000 karyawan untuk peran baru melalui program seperti "Upskilling 2025". - **Singapura** telah meluncurkan inisiatif SkillsFuture yang mensubsidi pendidikan berkelanjutan bagi warga dewasa, termasuk keterampilan digital dan AI. - **Uni Eropa** mendanai program AI4EU dan berinvestasi dalam akademi AI melalui rencananya Digital Decade Policy Programme. ## Gambaran Besarnya Kesenjangan keterampilan AI bukan sekadar masalah teknis — ini adalah tantangan sosial dan ekonomi. Jika tidak ditangani, kesenjangan ini dapat memperdalam ketimpangan yang sudah ada, di mana mereka yang memiliki akses terhadap pendidikan dan pelatihan berkualitas semakin jauh meninggalkan mereka yang tidak memilikinya. Namun, dengan pendekatan yang tepat — mulai dari kebijakan yang inklusif, institusi pendidikan yang responsif, hingga individu yang proaktif dalam belajar — kesenjangan ini dapat diatasi seiring dengan berkembangnya ekonomi AI.Pekerjaan Tingkat Pemula Kini Menuntut Keahlian AI Senior. Inilah Artinya Bagimu.Barometer Pekerjaan AI PwCPekerjaan Entry-Level AITren Rekrutmen AIKesenjangan Keterampilan Tenaga KerjaSkills Gap·Jun 16, 2026·5 min readBaca artikel
10EA PeriklananEA Periklanan Bukan Sebuah Fitur. Ini Adalah Infrastruktur.EA AdvertisingElectronic ArtsIklan Dalam GameEA SPORTSSkill Issue·Jun 16, 2026·4 min readBaca artikel