AI untuk Deteksi Anomali pada Data: Panduan Praktis (2026)

Deteksi anomali adalah proses nemuin data yang polanya beda jauh dari mayoritas, dan AI bikin proses ini otomatis buat data yang kompleks.

Contohnya transaksi Rp 50 juta di toko yang rata-rata jual Rp 200 ribu. Atau lonjakan trafik jam 3 pagi pas biasanya sepi.

Cara manual pakai aturan tetap gampang dibikin, tapi kaku. AI belajar pola normal dari datamu sendiri, terus nandain yang nyimpang tanpa kamu harus nentuin batas satu per satu. Di bawah ini kita mulai dari statistik dasar, baru naik ke model AI.

Apa itu deteksi anomali?

Deteksi anomali adalah teknik nyari titik data yang menyimpang dari pola normal. Anomali bisa berarti error input, fraud, kerusakan alat, atau kejadian langka yang penting. Tujuannya bukan cuma nemuin angka aneh, tapi mutusin mana yang perlu ditindaklanjuti.

Ada tiga jenis anomali yang umum:

• Point anomaly: satu titik yang aneh sendiri, kayak transaksi Rp 50 juta di toko kelontong.
• Contextual anomaly: normal di satu konteks, aneh di konteks lain. Belanja gede itu wajar pas Ramadan, aneh pas hari biasa.
• Collective anomaly: satu grup data yang bareng-bareng aneh, kayak 100 transaksi identik dalam semenit.

Istilah pencilan data ini sering ketuker sama outlier biasa. Bedanya bisa kamu cek di glossary outlier.

Kenapa pakai AI buat deteksi anomali?

AI kepake pas datamu punya banyak kolom yang saling terkait dan pola normalnya susah ditulis jadi satu aturan. Aturan tetap kayak flag di atas Rp 10 juta gampang, tapi meleset begitu polanya berubah atau ada faktor musiman. Model AI belajar sendiri mana yang normal, jadi lebih luwes.

Aspek	Aturan tetap	Model AI
Cara nentuin batas	Manual, kamu yang tulis	Belajar dari data
Jumlah kolom	Enak buat 1-2 kolom	Kuat buat banyak kolom
Adaptasi ke pola baru	Harus diedit manual	Bisa dilatih ulang
Kemudahan awal	Tinggi	Sedang

Aturan buat kasus sederhana, AI buat yang rumit. Nggak perlu langsung lompat ke AI kalau datamu masih satu kolom.

Metode statistik dasar: Z-score dan IQR

Sebelum nyentuh machine learning, coba dua metode statistik ini. Dua-duanya bisa jalan cuma pakai SQL.

Z-score ngukur jarak sebuah nilai dari rata-rata, dalam satuan standar deviasi. Rumusnya:

z = (nilai - rata_rata) / standar_deviasi

Aturan praktisnya: nilai dengan Z-score di atas 3 atau di bawah -3 dianggap anomali. Di SQL:

WITH stats AS (
  SELECT AVG(nilai) AS mean, STDDEV(nilai) AS sd
  FROM transaksi
),
skor AS (
  SELECT
    id,
    nilai,
    (nilai - stats.mean) / NULLIF(stats.sd, 0) AS z_score
  FROM transaksi, stats
)
SELECT id, nilai, ROUND(z_score, 2) AS z_score
FROM skor
WHERE ABS(z_score) > 3
ORDER BY ABS(z_score) DESC;

Perhatiin NULLIF(stats.sd, 0). Itu jaga-jaga kalau standar deviasinya nol, biar nggak division by zero. Fungsi pembulatannya bisa kamu dalami di fungsi ROUND.

IQR (Interquartile Range) lebih tahan sama data miring. Dia nandain nilai di luar rentang antara kuartil bawah dan atas:

batas_bawah = Q1 - 1.5 * (Q3 - Q1)
batas_atas  = Q3 + 1.5 * (Q3 - Q1)

Nilai di luar dua batas itu dianggap anomali. IQR lebih aman kalau datamu nggak berbentuk lonceng normal.

Deteksi anomali pakai Isolation Forest (Python)

Kalau datamu punya banyak kolom, Z-score per kolom nggak cukup. Isolation Forest lihat semua kolom sekaligus. Modelnya udah siap pakai di scikit-learn:

import pandas as pd
from sklearn.ensemble import IsolationForest

df = pd.read_csv("transaksi.csv")
fitur = df[["nilai", "jumlah_item", "jam"]]

model = IsolationForest(contamination=0.01, random_state=42)
df["anomali"] = model.fit_predict(fitur)

# -1 = anomali, 1 = normal
anomali = df[df["anomali"] == -1]
print(anomali.sort_values("nilai", ascending=False))

Parameter contamination=0.01 bilang ke model kalau kira-kira 1 persen data itu anomali. Ini yang paling sering kamu setel. Kalau kegedean, model bakal nandain terlalu banyak data normal.

Output -1 berarti anomali, 1 berarti normal. Detail parameter lengkapnya ada di dokumentasi scikit-learn Isolation Forest.

Contoh kasus: transaksi toko_berkah

Dari 8.400 transaksi toko_berkah selama 3 bulan, aku jalanin Isolation Forest dengan contamination 0,01. Modelnya nandain 84 transaksi sebagai anomali.

Pas dicek manual, 84 transaksi itu kebagi jadi tiga kelompok:

• 31 transaksi salah input (harga kelebihan satu nol, Rp 850.000 jadi Rp 8.500.000).
• 12 transaksi grosir beneran (warung yang kulakan, wajar).
• 41 transaksi pas H-3 lebaran (lonjakan musiman, wajar).

Angka menariknya: dari 84 yang diflag, cuma 31 (37 persen) yang beneran masalah. Sisanya wajar tapi kebetulan polanya beda. Ini normal dan penting. Deteksi anomali itu penyaring, bukan hakim.

31 transaksi salah input tadi kalau nggak ketauan bikin laporan omzet meleset Rp 68 juta. Ketauan dalam 5 menit, bukan pas tutup buku bulanan.

Kesalahan umum deteksi anomali

1. Nganggap semua anomali itu masalah. Banyak anomali justru kejadian wajar yang langka. Selalu cek konteks sebelum ambil tindakan.

2. Lupa normalisasi data. Kalau satu kolom skalanya jutaan dan kolom lain cuma 1-10, model bakal fokus ke yang gede doang. Skalain dulu.

3. Set contamination asal. Angka ini nentuin berapa banyak yang diflag. Mulai dari 0,01 dan sesuaikan.

4. Nggak review hasil. Model nyaranin, kamu yang mutusin. Hasil deteksi tanpa dicek manusia gampang bikin salah tindakan.

5. Lompat ke AI kepagian. Kalau Z-score sederhana udah cukup, nggak usah maksa pakai model rumit.

FAQ

Bedanya deteksi anomali pakai aturan tetap sama pakai AI apa?

Aturan tetap itu kamu yang nentuin batasnya, misalnya flag semua transaksi di atas Rp 10 juta. Gampang dibikin, tapi kaku dan gampang salah kalau pola datamu berubah. AI belajar pola normal dari datamu sendiri, terus nandain yang menyimpang tanpa kamu nentuin batas satu per satu. AI menang buat data yang punya banyak kolom dan pola musiman.

Metode apa yang paling gampang buat mulai?

Z-score dan IQR. Dua-duanya statistik dasar yang bisa kamu jalanin cuma pakai SQL atau spreadsheet, nggak butuh machine learning. Z-score nandain data yang jaraknya lebih dari 3 standar deviasi dari rata-rata. IQR nandain data di luar rentang normal berdasarkan kuartil. Mulai dari sini dulu sebelum lompat ke model yang lebih rumit.

Isolation Forest itu apa dan kapan dipakai?

Isolation Forest adalah model machine learning yang khusus buat deteksi anomali. Dia kerja dengan cara ngisolasi tiap titik data, dan anomali biasanya lebih gampang diisolasi karena posisinya nyendiri. Pakai ini kalau datamu punya banyak kolom yang saling terkait dan pola normalnya susah didefinisiin pakai satu aturan. Di Python, dia udah siap pakai lewat scikit-learn.

Berapa banyak anomali yang wajar dalam satu dataset?

Tergantung konteks, tapi biasanya anomali itu kecil, di kisaran 1 persen atau kurang dari total data. Di Isolation Forest kamu atur ini lewat parameter contamination. Kalau modelmu nandain 20 persen data sebagai anomali, kemungkinan besar batasnya kelonggaran atau datamu emang berantakan. Anomali yang bener itu jarang, itu yang bikin dia menarik.

Apakah AI bisa salah nandain anomali?

Bisa, dan sering. Model bisa nandai data normal sebagai anomali atau ngelewatin anomali beneran. Makanya hasil deteksi anomali itu titik awal buat dicek manusia, bukan keputusan final. Selalu review sampel hasilnya, cek konteksnya, dan sesuaikan batasnya. AI ngecilin tumpukan data yang harus kamu periksa, bukan gantiin penilaianmu.

Penutup

Mulai dari yang sederhana. Z-score dan IQR sering udah cukup buat nangkep salah input dan angka janggal. Naik ke Isolation Forest pas datamu punya banyak kolom.

Dan ingat, model cuma nyaring. Keputusan tetap di kamu, karena separuh anomali biasanya kejadian wajar yang kebetulan langka.

Mau lanjut? Cek cara nangani outlier data buat teknik pembersihannya, atau AI untuk interpretasi statistik kalau kamu mau AI bantu baca hasilnya.