<![CDATA[Penelitian ini melakukan perbandingan komprehensif terhadap tiga algoritma unsupervised machine learning untuk deteksi anomal dalam proses Extract, Transformasi, Load (ETL). Algoritma yang dibandingkan adalah Isolation Forest, Local Outlier Factor, dan One-Class Support Vector Machine (OC-SVM). Penelitian ini menggunakan dataset dengan struktur nested array yang umum ditemukan pada aplikasi berbasis web dan Internet of Things (IoT). Hasil penelitian menunjukkan bahwa Isolation Forest memberikan performa terbaik dengan nilai F1-Score 0.723, accuracy 0.935, precision 0.567 dan recall 1.00. Local Outlier Factor menunjukkan performa terendah dengan F1-Score 0.221, dan One-Class SVM memberikan performa moderat dengan F1-Score 0.488. Hasil visualisasi menggunakan Principal Component Analysis (PCA) untuk memperkuat temuan dalam memisahkan data normal dan anomali. penelitian ini memberikan kontribusi penting dalam pemilihan algoritma deteksi anomaly yang tepat untuk menjaga kualitas data setelah proses ETL.]]>
Copyrights © 2025
