View/Open

Author
DINDA, JOYCEHANA

Date Published
19 Jun 2026

Advisor
Meida Cahyo Untoro, S.Kom., M.Kom,

Subject
Teknik Informatika

Publisher

Keselamatan navigasi dan mitigasi bencana pesisir di wilayah Provinsi Lampung sangat bergantung pada keandalan data cuaca maritim, namun kompleksitas dinamika laut sering memunculkan data anomali akibat gangguan sensor maupun lingkungan. Anomali pada data ini bersifat heterogen, baik berupa titik ekstrem tunggal maupun kelompok kecil yang menyerupai pola normal, serta dipengaruhi oleh pola musiman dan karakteristik oseanografi yang berbeda antar wilayah, sehingga metode deteksi tunggal kurang memadai. Penelitian ini bertujuan merancang model deteksi anomali berbasis hybrid unsupervised learning yang mengintegrasikan dekomposisi musiman STL, HDBSCAN, dan Isolation Forest secara sekuensial, dengan pemodelan independen pada 11 wilayah pesisir Provinsi Lampung menggunakan data BMKG periode Juli 2023–Juli 2025. Dekomposisi STL diterapkan untuk memisahkan komponen tren, musiman, dan residual; HDBSCAN pada hasil reduksi dimensi PCA digunakan untuk mendeteksi anomali global berbasis densitas; sedangkan Isolation Forest diterapkan pada data dalam cluster valid untuk mendeteksi anomali lokal. Skor GLOSH dan skor decision function dari Isolation Forest digabungkan secara tertimbang menjadi skor anomali gabungan, dievaluasi menggunakan Silhouette Score, GLOSH Score, dan Precision@K terhadap data kejadian ekstrem BMKG. Hasil penelitian menunjukkan HDBSCAN mendeteksi 24,48% observasi sebagai anomali global, sementara Isolation Forest menambah 12,41% anomali lokal dari data cluster. Pendekatan hybrid secara konsisten mengungguli metode tunggal, dengan Precision@K hingga 0,52 pada K=50 untuk Layer Semua dan coverage 70,40% terhadap kejadian nyata layer tinggi, menunjukkan kombinasi deteksi berbasis densitas dan isolasi saling melengkapi dalam mengidentifikasi kejadian ekstrem yang heterogen secara spasial.

URI
https://repo.itera.ac.id/depan/submission/SB2606180168

Keyword
Deteksi Anomali HDBSCAN Isolation Forest STL Cuaca Maritim