Hasil Pencarian  ::  Simpan CSV :: Kembali

"Aktivitas anomali pada jaringan internet BMKG belum seluruhnya dapat dianalisis secara manual, sehingga beberapa sistem BMKG terdampak oleh aktivitas siber ini. Deteksi dan klasifikasi intrusi merupakan upaya penting yang dapat dilakukan BMKG dalam menangani serangan siber. Penelitian ini bertujuan untuk membuat model klasifikasi terbaik untuk mengklasifikasikan intrusi. Dataset yang digunakan adalah dataset CICIDS2017 dan data internet BMKG yang kemudian dilakukan penanganan data tidak seimbang menggunakan SMOTE. Untuk meningkatkan performa klasifikasi, dilakukan seleksi fitur dan diusulkan tiga variasi jumlah fitur, yaitu 7 fitur, 18 fitur, dan 82 atau keseluruhan fitur. Klasifikasi yang dilakukan mencakup klasifikasi biner untuk membedakan serangan dan normal, serta multikelas untuk mengklasifikasikan beberapa jenis serangan. Algoritma klasifikasi yang digunakan dalam penelitian ini adalah KNearest Neighbor (KNN), Decision Tree (DT), dan Random Forest (RF). Hasil model klasifikasi terbaik untuk kelas biner adalah DT dengan 82 atau keseluruhan fitur dengan akurasi 99,1%. Sedangkan model terbaik untuk multikelas adalah DT dengan 82 atau keseluruhan fitur dengan akurasi 99,2%. Penelitian ini menunjukkan bahwa model klasifikasi berbasis pembelajaran mesin dapat meningkatkan deteksi dan klasifikasi serangan siber dengan akurasi tinggi. BMKG dapat mengimplementasikan model ini untuk deteksi otomatis dan respons cepat terhadap ancaman, melakukan uji coba lapangan, memberikan pelatihan staf, dan memastikan pemeliharaan serta pemantauan rutin model. Langkah-langkah ini dapat membantu BMKG dalam meningkatkan keamanan jaringan dan melindungi data serta layanan dari serangan siber di masa mendatang.

---

Anomalous activity on the BMKG's internet network cannot be fully analyzed manually, so several BMKG systems have been affected by this cyber activity. Intrusion detection and classification is an important effort that can be made by BMKG in dealing with cyber attacks. This research aims to create the best classification model to classify intrusions. The datasets used are the CICIDS2017 dataset and BMKG internet data, which are then handled with unbalanced data using SMOTE. To improve classification performance, feature selection is performed, and three variations in the number of features are proposed, namely 7 features, 18 features, and 82 or all features. The classification includes binary classification to distinguish between normal and attack and multiclass classification to classify multiple types of attacks. The classification algorithms used in this research are K-Nearest Neighbor (KNN), Decision Tree (DT), and Random Forest (RF). The best classification model for binary classes is DT with 82 or all features with 99.1% accuracy. While the best model for multiclass is DT with 82 or all features with 99.2% accuracy. This research shows that a machine learning-based classification model can improve cyberattack detection and classification with high accuracy. BMKG can implement this model for automated detection and rapid response to threats, conduct field trials, provide staff training, and ensure regular model maintenance and monitoring. These steps can help BMKG improve network security and protect data and services from future cyberattacks."

"Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG) adalah Sekolah Tinggi di bawah naungan Badan Meteorologi Klimatologi dan Geofisika (BMKG). Pada tahun 2015 terjadi perubahan kelembagaan dari Akademi menjadi Sekolah Tinggi berdasarkan Peraturan Presiden Nomor 35 Tahun 2014 tentang perubahan AMG menjadi STMKG. Perubahan kelembagaan ini membuat perubahan arahan strategis di STMKG. Berdasarkan Rencana Induk BMKG tahun 2015-2019 penguatan pondasi sarana prasarana akademik yaitu penggunaan TI menjadi tulang punggung (enabler) bagi STMKG. Namun berdasarkan data observasi dan wawancara menunjukan TI belum menjadi tulang punggung di STMKG dengan kurangnya pemakaian TI dan semua manajemen akademik dilaksanakan secara manual sehingga sasaran strategis STMKG untuk akreditasi belum tercapai.Adapun perumusan rencana strategis penelitian ini menggunakan metodologi Ward & Peppard untuk menghasilkan perencanaan strategis SI/TI. Penelitian ini menghasilkan strategi SI, strategi TI, dan strategi manajemen SI/TI. Strategi SI berupa pembuatan 15 aplikasi baru dan pengembangan 4 aplikasi lama. Strategi TI berupa pengadaan perangkat keras PC, laptop dan proyektor serta pengembangan jaringan STMKG. Strategi manajemen SI/TI berupa pembuatan IT Masterplan, SOP, penambahan SDM TI dan pengembangan kompetensi SDM TI.

---

School of Meteorology Climatology and Geophysics (STMKG) is a College under the auspices of the Meteorology Climatology and Geophysics Agency (BMKG). In 2015 an institutional change from the Academy to the the Collage based on Presidential Regulation No. 35 of 2014 on AMG changes to STMKG. These institutional changes make strategic direction changes in STMKG. Based on the BMKG Master Plan 2015-

2019 strengthening the foundation of academic infrastructure facilities is the use of IT into the backbone (enabler) for STMKG. However, based on observation and interview data shows IT has not been the backbone in STMKG with the lack of IT usage and all academic management is done manually so that STMKG strategic objectives for accreditation have not been achieved.

The formulation of this research strategic planing using the Ward & Peppard methodology to produce IS / IT strategic planning. This research resulted in an IS strategy, an IT strategy, and an IS / IT management strategy. The SI strategy consists of making 15 new applications and developing 4 old applications. IT strategies include procurement of PC hardware, laptops and projectors and STMKG network development. SI / IT management strategies in the form of making IT Masterplan, SOP, adding IT human resources and developing IT HR competencies"

"Perkembangan teknologi yang terus berkembang mendorong penggunaan aplikasi web di berbagai layanan, namun terdapat berbagai kerentanan pada aplikasi web yang setiap saat dapat dimanfaatkan penyerang untuk melakukan serangan. Untuk menanggulangi hal ini, salah satu upaya yang dapat dilakukan ialah menerapkan Web Application Firewall (WAF) yang dapat melindungi aplikasi web. WAF umumnya bekerja berdasarkan aturan yang ditetapkan sebelumnya. Namun kelemahan sistem ini ialah serangan yang terus berkembang, serta dalam mengkonfigurasi aturan pada WAF, diperlukan pengetahuan mendalam terkait aplikasi yang ada. Teknologi kecerdasan buatan, baik machine learning (ML) atau deep learning (DL) memperlihatkan potensi yang baik dalam mengenali jenis serangan. Di dalam penelitian ini dibangun sebuah Real-time DL-based WAF untuk meningkatkan keamanan pada aplikasi web. Berbagai model ML dan DL diujicoba untuk melakukan tugas deteksi serangan web, mulai dari Support Vector Machine (SVM), Random Forest (RF), Convolutional Neural Network (CNN), dan Long Short-Term Memory (LSTM). Berdasarkan hasil pengujian, model CNN-LSTM meraih performa tertinggi yakni akurasi sebesar 98.61 %, presisi sebesar 99%, recall sebesar 98.08% dan f1-score sebesar 98.54%.. Dari hasil pengujian dengan web vulnerability scanner, performa DL-based WAF tidak kalah dengan ModSecurity WAF yang dijadikan sebagai pembanding. Dari hasil analisis, dapat disimpulkan bahwa penerapan DL-based WAF mampu meningkatkan keamanan pada aplikasi web.

---

The continuous development of technology drives the use of web applications in various services, but there are various vulnerabilities in web applications that can be exploited by attackers at any time. To overcome this, one effort that can be done is to implement a Web Application Firewall (WAF) that can protect web applications. WAF generally works based on pre-established rules. However, the weakness of this system is the evolving nature of attacks, and configuring rules on WAF requires in-depth knowledge related to existing applications. Artificial intelligence technology, both machine learning (ML) and deep learning (DL), shows good potential in recognizing types of attacks. In this research, a Real-time DL-based WAF was built to enhance security in web applications. Various ML and DL models were tested to perform the task of web attack detection, including Support Vector Machine (SVM), Random Forest (RF), Convolutional Neural Network (CNN), and Long Short-Term Memory (LSTM). Based on the test results, the CNN-LSTM model achieved the highest performance, namely an accuracy of 98.61%, precision of 99%, recall of 98.08%, and f1-score of 98.54%. From the testing results with a web vulnerability scanner, the performance of the DL-based WAF is not inferior to ModSecurity WAF, which is used as a comparison. From the analysis results, it can be concluded that the implementation of DL-based WAF can improve the security of web applications. "

"ABSTRAKBadan Meteorologi, Klimatologi, dan Geofisika (BMKG) merupakan lembaga yang ditunjuk untuk mengelola data-data cuaca yang diolah menjadi informasi meteorologi dan klimatologi. Namun, harapan terhadap tingkat akurasi data cuaca yang dikelola belum terpenuhi disebabkan belum benarnya proses validasi data cuaca yang mengelompokkan data cuaca valid dan data cuaca yang tergolong suspect. Oleh karenanya, penelitian ini bertujuan untuk mengetahui cara memvalidasi data cuaca dengan menguji algoritma k-NN dan D-NN dengan pendekatan data mining klasifikasi serta K-Medoids dan DBSCAN dengan pendekatan data mining clustering. Proses Knowledge Discovery in Database diterapkan hingga kedua pendekatan data mining diuji untuk mendapatkan cara terbaik yang dijadikan dasar proses validasi data cuaca. Hasil penelitian merekomendasikan algoritma D-NN untuk pendeteksian data suspect karena memiliki nilai specificity lebih baik daripada k-NN sedangkan teknik clustering dengan dua algoritma yang diujikan pada penelitian ini tidak direkomendasikan.

---

ABSTRACT"

"Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) memegang peran kunci dalam memberikan fungsi layanan informasi dan peringatan dini tentang cuaca, iklim, dan gempa bumi kepada seluruh masyarakat di Indonesia. Ada 126 layanan dan 88 aplikasi telah terhubung ke jaringan internet dan intranet yang dimiliki oleh BMKG untuk mendukung tugas dan fungsinya sehingga keamanan informasi menjadi salah satu perhatian yang perlu ditingkatkan. Meski telah melakukan pengadaan perangkat pendukung untuk meningkatkan sistem keamanan informasi, BMKG masih mengalami insiden siber hacking dan ransomware yang mengakibatkan beberapa sistem tidak dapat diakses, data pendukung kinerja yang hilang dan data-data geospasial yang terenkripsi pada awal tahun 2023. Insiden tersebut disebabkan oleh kelalaian pegawai dalam menjaga keamanan informasi. Penelitian ini bertujuan untuk mengukur tingkat kesadaran pegawai terhadap keamanan informasi dan mengetahui faktor yang dapat memengaruhinya dengan menggunakan pendekatan pada aspek knowledge, attitude, behavior (KAB) dan human aspects of information security questionnaire (HAIS-Q) yang berfokus pada sembilan area, meliputi manajemen kata sandi, penggunaan e-mail, internet, media sosial, perangkat mobile, keamanan perangkat komputer, penanganan data dan informasi, pelaporan insiden, serta kebijakan keamanan informasi. Penelitian ini menggunakan survei kuesioner online yang terdiri 66 butir pernyataan dan disebar ke 5.310 pegawai dengan total sampel yang valid terkumpul sebanyak 459. Hasil menunjukkan tingkat kesadaran pegawai umumnya sudah baik, namun masih ada kesenjangan dari masing-masing nilai fokus area pada aspek pengetahuan, sikap, dan juga perilaku sehingga diperlukan langkah konkret seperti implementasi kebijakan, aturan, dan juga prosedur untuk menerapkan praktik-praktik keamanan informasi, pemenuhan kebutuhan teknologi pendukung serta pelatihan dan sosialisasi para pegawai dalam rangka meningkatkan kesadaran terhadap keamanan informasi. Dukungan level pimpinan terhadap keamanan informasi yang tercermin dalam upaya sosialisasi kesadaran keamanan informasi dan peningkatan kapasitas sumber daya manusia melalui pelatihan sistem manajemen keamanan informasi menjadi faktor yang memberikan pengaruh positif dan signifikan terhadap pengetahuan pegawai. Meski memiliki pengaruh yang positif, dukungan pimpinan tersebut tidak berpengaruh secara signifikan terhadap kesadaran para pegawai dalam menerapkan praktik keamanan informasi baik dari aspek sikap maupun perilaku.

---

The Indonesian Agency for Meteorology, Climatology, and Geophysics (BMKG) plays a crucial role in providing information services and early warnings regarding weather, climate, and earthquakes to the entire Indonesian population. With 126 services and 88 applications connected to BMKG's internet and intranet networks, supporting its tasks and functions, information security has become a focal point that needs improvement. Despite having procured supportive devices to enhance the information security system, BMKG still encountered cyber incidents, including hacking and ransomware, resulting in certain systems becoming inaccessible, the loss of performance-supporting data, and encrypted geospatial data in early 2023. These incidents are attributed to employees' negligence in maintaining information security. This study aims to measure employees' awareness of information security and identify influencing factors using the knowledge, attitude, behavior (KAB) approach and the human aspects of information security questionnaire (HAIS-Q), focusing on nine areas, including password management, email usage, internet, social media, mobile devices, computer device security, data and information handling, incident reporting, and information security policies. The research employed an online questionnaire survey consisting of 66 statements distributed to 5,310 employees, resulting in 459 valid samples. The findings indicate that overall employee awareness is good, but there are disparities in the values of each focus area concerning knowledge, attitude, and behavior. Consequently, concrete steps such as policy implementation, rules, and procedures, along with the adoption of information security practices, technology support fulfillment, and employee training and awareness programs, are necessary to address these gaps. Top management support for information security, reflected in efforts to promote awareness and enhance human resource capacity through information security management system training, significantly influences employee knowledge positively. Despite its positive impact, top management support does not significantly affect employees' awareness in implementing information security practices, both in terms of attitude and behavior."

"ABSTRAKPerlindungan hukum terhadap database dan informasi berbasis databaseyang berasal dari data strategis bidang meteorologi di Badan MeteorologiKlimatologi dan Geofisika (BMKG) hingga kini masih belum jelas. Bagaimana dansejauh apa perlindungan hukumnya, khususnya dalam perspektif hak cipta sangatdiperlukan dalam internal BMKG, karena database yang berbasis data murni (puredata) bidang meteorologi tersebut berisi data - data strategis yang selain dapatdiolah menjadi informasi meteorologi, juga mempunyai nilai ekonomi yang tinggidan memiliki nilai pertahanan dan keamanan nasional.Perlindungan data strategis dalam perspektif hak cipta terhadap databasesebagai sui generis protection belum diatur secara tegas dalam Undang – UndangNomor 19 tahun 2002 tentang Hak Cipta (UUHC), tetapi hak cipta atas databasestrategis meteorologi dapat didasarkan pada pasal 33 ayat 2 dan 3 perubahan keempat UUD 1945 sehingga negara berhak menguasai dan memiliki hak cipta atasdata strategis meteorologi tersebut. Lebih lanjut diperlukan ketentuan tersendiriyang mengatur perlindungan database strategis tersebut dalam Undang – UndangNomor 31 tahun 2009 tentang Meteorologi, Klimatologi, dan Geofisika.Perlindungan hak ekonomi oleh negara terhadap pemanfaatan databasemeteorologi yang bukan informasi publik telah diatur dalam Undang – UndangNomor 31 tahun 2009 tentang Meteorologi, Klimatologi, dan Geofisika, tetapiperlu diatur perlindungan pemanfaatan database meteorologi tersebut bila terjadipenyalahgunaan.

---

ABSTRACTLegal protection of database and database-based information derived fromstrategic data in the field of meteorology of the Indonesian Agency forMeteorology, Climatology and Geophysics (BMKG) is still unclear. How and towhat extent of legal protection, in particular in the perspective of copyright isneeded in BMKG because the database which based on that meteorological puredata is strategic data which can be processed into meteorological information,also has a high economic value and has value of national defense and security.Strategic data protection in copyright perspective on database as the suigeneris protection has not been strictly regulated in Law of the Republic ofIndonesia Number 19 Year 2002 regarding Copyright (UUHC), but the copyrightof the meteorological strategic database can be based on Article 33 paragraph 2and 3 of the fourth change of Indonesia Constitution Year 1945 (UUD 1945) thatthe State is entitled to control and own the copyright of the meteorologicalstrategic data. Further, required separate provisions governing the protection ofthe strategic database in Law of the Republic of Indonesia Number 31 Year 2009regarding Meteorology, Climatology and Geophysics.Protection of economic rights by the State to use the meteorologicaldatabase which is not public information has been regulated in Law of theRepublic of Indonesia Number 31 Year 2009 regarding Meteorology,Climatology and Geophysics, but it needs to be regulated the protection of themeteorological database utilization in case of abuse."

"Perkembangan teknologi saat ini yang berkembang sangat pesat disertai penggunaan perangkat mobile yang sangat marak, maka diperlukan sebuah management system yang bisa mengatur semua hal itu. Mobile Device Management (MDM) adalah system yang sesuai untuk mengatur itu semua. Selain itu, MDM itu sendiri memiliki kaitan yang erat dengan Bring Your Own Device (BYOD) yang saat ini telah menjadi tren di masyarakat. Beberapa aspek yang dibahas dalam MDM itu adalah Bandwidth Control. Hasil dari pengujian Bandwidth Control ini menunjukkan nilai speed download dan upload turun sekitar 20 ? 30% dari batas bandwidth yang diberikan. Aspek berikutnya yang diuji adalah pengaruh dari jumlah device yang terkoneksi pada satu jaringan. Dalam pengujian ini, aktivitas yang dilakukan adalah streaming. Dan hasilnya adalah penurunan setiap penambahan device speed menurun sekitar 2 ? 17%. Sedangkan untuk aspek Mac Filtering telah dibuat sebuah Interface System digunakan untuk memfilter MAC Address yang akan masuk ke jaringan.

---

Technology currently growing with the use of mobile devices is very widespread, it would require a management system that can manage all of that. Mobile Device Management (MDM) is a suitable system to manage it all. In addition, MDM itself has a close connection with Bring Your Own Device (BYOD) which has now become a trend in society. Some aspects are discussed in the MDM is Bandwidth Control. Results of this test indicate the value of Bandwidth Control download and upload speed down about 20-30% of a given bandwidth limit. The next aspect examined is the influence of the number of devices connected to a network. In this test, the activity undertaken is streaming. And the result is a decrease each additional device speed decreased by about 2-17%. As for the aspects of the Mac Filtering has created an Interface System is used to filter MAC Address that will go into the network."

"ABSTRAKBalai Jaringan Informasi dan Komunikasi (BJIK) sebagai salah satu balai di Badan Pengkajian dan Penerapan Teknologi (BPPT) memiliki tugas dalam penerapan teknologi informasi dan komunikasi (TIK) untuk kepentingan pemerintah pusat, daerah, publik, komunitas ilmu pengetahuan teknologi, dan industri. Tugas tersebut diwujudkan salah satunya dengan membangun sistem informasi monitoring teknologi informasi dan komunikasi yang bernama Simontik. Kemajuan tren teknologi dan ancaman siber yang tidak dapat dihindari membutuhkan adanya penerapan data mining untuk monitoring intrusi dalam melindungi informasi penting dimana perangkat lunak anti virus dan firewall tidak cukup memberikan perlindungan penuh sesuai dengan kondisi BJIK saat ini. Sejalan dengan hal tersebut, beberapa penelitian terdahulu juga menjelaskan teknik deep learning atau deep neural network pada data mining yang telah mencapai keberhasilan jauh lebih baik di berbagai aplikasi khususnya big data sets classification karena memberikan hasil yang akurat dalam menyelesaikan permasalahan sistem monitoring intrusi. Berdasarkan hal tersebut, penelitian ini menggunakan teknik classification dengan algoritme deep learning, support vector machine, dan random forest sebagai pembanding. Penelitian ini menggunakan metodologi knowledge discovery from data (KDD) dimana data mining hanya merupakan suatu langkah penting dalam urutan prosesnya. Hasil akhir dari penelitian ini merupakan model prediksi yang dikemudian diuji dengan dataset Simontik untuk diketahui akurasinya. Hasil yang didapatkan dari penelitian ini adalah algoritme deep neural network dan random forest menghasilkan akurasi yang paling baik, yaitu sebesar 99,91% dibandingkan dengan algoritme support vector machine yang memiliki akurasi sebesar 98,11%.ABSTRACTThe Information and Communication Network Center (BJIK) as one of the centers in the Agency for the Assessment and Application of Technology (BPPT) has the task of implementing information and communication technology (ICT) for the benefit of the central, regional, public, technological and industrial science communities. One of the tasks is realized by building an information and communication technology monitoring information system called Simontik. The unavoidable progress of technological trends and cyber threats requires the application of data mining for intrusion monitoring in protecting important information where anti-virus software and firewalls do not provide full protection in accordance with current BJIK conditions. In line with this, several previous studies also explained that deep learning techniques or deep neural networks in data mining that have achieved success are far better in various applications, especially the big data sets classification because they provide accurate results in solving intrusion monitoring system problems. Based on this, this study uses classification techniques with deep learning algorithms, support vector machines, and random forest as a comparison. This study uses the knowledge discovery from data (KDD) methodology where data mining is only an important step in the sequence of the process. Result of this study is a prediction model which is then tested with the Simontik dataset to determine its accuracy. The results obtained from this study are that deep neural network and random forest algorithms produce the best accuracy, which is 99.91% compared to the support vector machine algorithm which has an accuracy of 98.11%."

"Software-Defined Networking (SDN) merupakan istilah umum yang mencakup beberapa jenis teknologi jaringan yang bertujuan untuk membuat jaringan cerdas dan fleksibel sebagai sebagai server virtual dan infrastruktur penyimpanan pusat data modern. SDN adalah pemisahan control plane (yang membuat keputusan tentang bagaimana paket harus mengalir melalui jaringan) dari data plane (berfungsi packet-forwarding). Controller dan switch berkomunikasi melalui "south-bound" yang disebut OpenFlow protocol. Skripsi ini membahas tentang salah satu bagian paling penting dari teknologi Software-Defined Network (SDN) yaitu OpenFlow. Pada skripsi ini dievaluasi pengiriman aplikasi FTP dengan 4 skenario dengan berukuran 100, 200, 300 dan 400MB pada satu jaringan dengan sebuah controller POX dan satu Open Virtual Switch (OVS) dan dua host. Evaluasi dilakukan untuk mengukur parameter QoS throughput dan delay untuk setiap skenario dan eksperimen didapatkan data throughput dan delay dari satu yang berbeda di Mininet. Hasil pengujian throughput pada skenario 1 adalah 1.520 Mbits/sec yang paling tinggi dan delay 0.000103 s yang paling rendah dibandingkan dengan lainnya. Pada skenario 2 diukur throughput 1.320 Mbits/sec dan delay 0.00014775 s. Thtoughput pada skenario 3 adalah 1.122 Mbits/sec menjadi paling rendah di antara 4 skenario dan dengan delay yang paling tinggi 0.002618 s dan pada skenario 4 throughput adalah 1.191 Mbits/sec dan delay 0.0002543 s.

---

Software-Defined Networking (SDN) is a general term that covers several types of networking technology that aims to create intelligent and flexible network as a virtual server and storage infrastructure of modern data centers. SDN is the separation of the control plane (which makes decisions about how the package must flow through the network) from the data plane (packet-forwarding). Controllers and switches communicate through "south-bound" interface usually called OpenFlow protocol.

This final project discusses about one of the most important pieces of networking technology Software-Defined Networking (SDN) which is OpenFlow. This final project evaluated the throughput and the delay on FTP application delivery time measuring 100, 200, 300 and 400MB on one network with a controller POX and an Open Virtual Switch (OVS) switch and with two hosts. The evaluation of throughput and delay were performed to measure the QoS parameter for each scenario and the data experiment taken with Mininet.

The results of simulation scenario 1 the throughput is 1.520 Mbits/sec which is the highest result and the delay is 0.000103 s which is the lowest compared to other scenarios. In scenario 2 the throughput is 1.320 Mbits/sec and the delay is 0.00014775s. Throughput in scenario 3 is 1.122 Mbits/sec which is the lowest of the four scenarios and the delay is the highest which is 0.002618 s. In scenario 4 the throughput is 1,191 Mbits/sec and delay is 0.002543 s."

"Invensi merupakan salah satu bentuk dari perwujudan kekayaan intelektual yang dimiliki oleh seseorang. Dalam setiap invensi yang dihasilkan tak lepas dari hak kepribadian dan hak ekonomi bagi para inventornya. Semua inventor, tanpa kecuali, memiliki hak atas perlindungan kekayaan intelektualnya dalam hal pengakuan dan manfaat ekonomi yang ada dalam invensi tersebut. Hal itu juga berlaku untuk inventor yang berstatus Aparatur Sipil Negara (ASN). ASN yang menghasilkan suatu invensi karena hubungan kedinasan dengan instansi pemerintah juga memiliki hak ekonomi berupa imbalan atas paten yang melekat pada invensi tersebut. Meskipun pengakuan hak atas invensi sudah ada, pembagian imbalan paten atas invensi yang dihasilkan oleh ASN mengalami polemik karena terbentur dengan acuan regulasi keuangan negara. Selain itu, mekanisme pembagian imbalan paten kepada inventor berstatus ASN tidak dapat terakomodir dalam wadah ataupun mata anggaran penggajian. Salah satu instansi pemerintah yang mempunyai invensi adalah BMKG. Invensi yang dihasilkan oleh ASN BMKG disebut Rekayasa Aloptama MKG. Melalui penelitian yuridis normatif dengan pendekatan kualitatif yang menggunakan data sekunder serta diperkuat dengan hasil wawancara, penulis mengeksplor bagaimana BMKG memberikan pengakuan hak kepribadian dan hak ekonomi dari inventor Rekayasa Aloptama MKG dengan upaya mengalokasikannya dalam dokumen Rencana Kerja dan Anggaran (RKA) BMKG. Hasil penelitian mengemukakan bahwa BMKG telah melakukan langkah-langkah untuk menghitung imbalan paten bagi inventor Rekayasa Aloptama MKG sesuai ketentuan dalam peraturan perundang-undangan meskipun belum mencapai proses pengalokasiannya dalam RKA BMKG Tahun 2023.

---

Invention is a form of embodiment of intellectual property owned by someone. Each invention that produced cannot be separated from the rights of personality and economic rights for the inventors. All inventors, without exception, have the right to protection of their intellectual property in terms of the recognition and economic benefits contained in the invention. This also applies to inventors with Civil Servant. Civil Servant that produce an invention due to their official relationship with a government institution also have economic rights in the form of royalty for the patent attached to the invention. Even though the recognition of rights to inventions already exists, the distribution of patent rewards for inventions have polemics because it collides with references to state financial regulations. In addition, the mechanism for distributing patent rewards to inventors with Civil Servant status cannot be accommodated in the payroll framework or line item. One government institution that has an invention is BMKG. The invention produced by Civil Servant in BMKG is called Engineering Aloptama MKG. Through normative juridical research with a qualitative approach that uses secondary data and interview, the authors explore how BMKG recognizes the personality rights and economic rights of the Aloptama MKG Engineering inventor by way of allocating them in the BMKG Work Plan and Budget (RKA) document. The results of the study suggest that BMKG has taken steps to calculate patent fees for Aloptama MKG Engineering inventors in accordance with the provisions of laws and regulations, although it has not yet reached the allocation process in the BMKG RKA 2023.

"