Abstract

Perkembangan jaringan telekomunikasi 5G dan penerapan End-to-End Encryption (E2EE) meningkatkan kapasitas, kecepatan, dan privasi komunikasi digital, tetapi membatasi akses terhadap muatan pesan yang digunakan dalam moderasi konten dan deteksi cyberbullying. Penelitian ini bertujuan menganalisis literatur dan merumuskan arsitektur konseptual jaringan telekomunikasi cerdas yang mengintegrasikan Mobile Edge Computing (MEC), Federated Learning (FL), dan Encrypted Traffic Analysis (ETA). Penelitian menggunakan metode Systematic Literature Review (SLR) terhadap studi mengenai deteksi cyberbullying, analisis trafik terenkripsi, komputasi tepi, dan pembelajaran mesin terdistribusi. Hasil sintesis literatur menunjukkan bahwa MEC mendukung pemrosesan dan inferensi lebih dekat dengan pengguna sehingga berpotensi mengurangi latensi, sedangkan FL memungkinkan pembelajaran model terdistribusi tanpa memusatkan data mentah pengguna. ETA dapat melengkapi mekanisme tersebut dengan menganalisis karakteristik statistik dan pola trafik terenkripsi sebagai indikator risiko pada tingkat jaringan, tetapi tidak digunakan untuk menentukan konteks cyberbullying secara langsung. Model deep learning, seperti CNN-BiLSTM dan BERT, dapat digunakan sebagai komponen klasifikasi pada perangkat atau lingkungan edge yang memiliki akses sah terhadap fitur sebelum proses enkripsi. Kontribusi utama kajian ini adalah merumuskan arsitektur konseptual MEC–FL–ETA yang menghubungkan pemrosesan berlatensi rendah, pembelajaran terdistribusi, dan analisis trafik terenkripsi dalam kerangka mitigasi cyberbullying yang mempertimbangkan privasi pengguna. Arsitektur tersebut diselaraskan dengan kerangka regulasi Indonesia, khususnya UU No. 1 Tahun 2024 dan Permenkominfo No. 5 Tahun 2020 sebagaimana diubah dengan Permenkominfo No. 10 Tahun 2021.