Perpustakaan Digital ITB

Tugas Akhir ini merancang dan mengimplementasikan tooling Static Application Security Testing (SAST) yang menjadi antarmuka antara developer dan AI Model Service berbasis Graph Neural Network (GNN) pada sistem SAST capstone. Adopsi SAST selama ini terhambat false positive yang tinggi, penyajian hasil yang kurang kontekstual, dan integrasi yang lemah dengan workflow developer. Empat deliverable dikerjakan untuk menjawabnya: centralized client application, plugin Visual Studio Code, modul backend SAST Analysis API, dan modul data scraping, dengan kontrak antarmuka (REST API, SARIF v2.1.0) yang dibekukan di awal. Rancangan yang dihasilkan menjawab keempat rumusan masalah. Riwayat deteksi disajikan terpusat sekaligus menampung feedback pengguna yang dikurasi sebagai bahan perbaikan model (RM-1). Hasil analisis tampil kontekstual di editor melalui diagnostics, hover, dan CodeLens (RM-2). Backend dirancang model-agnostic: hasil dinormalisasi ke SARIF sehingga model dapat dipertukarkan tanpa mengubah sisi klien, dengan pemicu pemindaian dari editor, klien terpusat, maupun workflow CI/CD (RM-3). Modul data scraping mengumpulkan data kerentanan dari sumber majemuk hingga siap dipakai untuk pelatihan ulang (RM-4). Evaluasi melalui pengujian unit, fungsionalitas, dan enam skenario integrasi endto- end pada sistem berjalan dengan model GNN sesungguhnya menunjukkan seluruh kebutuhan fungsional dalam cakupan tercapai. Pelajaran utamanya: kontrak yang dibekukan sejak awal memungkinkan model dipertukarkan dari mock ke model sungguhan tanpa perubahan di sisi klien, tetapi kontrak hanya menjamin bentuk data, bukan asumsi di baliknya, seperti granularitas analisis yang menuntut perubahan rancangan di tengah pengerjaan. Kontribusi utama Tugas Akhir ini adalah arsitektur integrasi yang menyatukan backend model-agnostic, jalur feedback loop terstruktur, dan pengaitan hasil analisis dengan konteks version control dalam satu kesatuan alur.