Materi 3 dari 6 · Stasiun 5
Ambang dan deteksi anomali sederhana
Setelah materi ini, kamu bisa:
- Bisa membuat aturan deteksi anomali sederhana dengan ambang tetap dan dengan simpangan dari rata-rata bergerak.
- Bisa menjelaskan pertukaran antara alarm palsu dan kejadian yang terlewat.
- Bisa memilih metode yang cocok untuk data yang punya pola harian.
Sebaiknya sudah belajar:
Materi ini mengisi slot yang belum diputuskan di peta konsep. Isinya usulan.
Mesin yang bilang "ini aneh"
AC kantor mati jam 2 siang dan tidak ada yang sadar sampai server kepanasan. Pintu kulkas tidak tertutup rapat semalaman. Kejadian seperti ini meninggalkan jejak di data suhu.
Deteksi anomali adalah mencari titik yang menyimpang dari pola biasa. Tidak selalu butuh AI yang rumit. Aturan sederhana sering sudah sangat berguna.
Dua cara sederhana
Ketuk satu per satu.
- Ambang tetap
- Alarm kalau suhu > 32 °C. Mudah dimengerti dan dijelaskan. Lemah kalau "biasa"-nya berubah sepanjang hari.
- Simpangan dari rata-rata bergerak
- Bandingkan setiap titik dengan rata-rata beberapa titik sebelumnya. Alarm kalau selisihnya lebih dari k kali simpangan baku (k × σ, lihat Statistik dasar: rata-rata dan sebaran). k adalah angka pengali yang kamu pilih sendiri, misalnya 3. Cara ini mengikuti pola harian dengan sendirinya.
Coba ambang tetap
Data ini punya dua kejadian janggal, satu lonjakan naik pagi hari dan satu penurunan sore hari. Geser ambangnya. Bisakah satu garis menangkap keduanya tanpa alarm palsu? Kartu terbuka setelah kamu melihat dua jenis hasil berbeda.
Simulasi interaktif tersedia saat JavaScript aktif.
Ambang atas tidak pernah bisa menangkap penurunan. Dan lonjakan pagi (sekitar 29,4 °C) masih lebih rendah dari suhu sore yang normal (hampir 30 °C), jadi ambang yang menangkapnya pasti memicu alarm palsu sore hari. Ambang tetap buta terhadap pola harian.
Coba simpangan dari rata-rata bergerak
Data yang sama. Sekarang setiap titik dibandingkan dengan rata-rata 2 jam sebelumnya. Alarm berbunyi kalau selisihnya lebih dari k kali simpangan baku. Atur k dari kecil ke besar. Kartu terbuka setelah kamu melihat tiga hasil, yaitu ada alarm palsu, pas, dan ada yang terlewat.
Simulasi interaktif tersedia saat JavaScript aktif.
k kecil berarti batasnya sempit: peka, tapi banyak alarm palsu. k besar berarti batasnya lebar: tenang, tapi ada kejadian yang terlewat. Ada rentang k di tengah yang pas. Di data nyata, rentang itu dicari dengan mencoba pada data masa lalu yang kejadiannya sudah diketahui.
Alarm palsu vs terlewat
Ketuk keduanya.
- Alarm palsu
- Alarm berbunyi padahal tidak ada apa-apa. Terlalu sering, orang mulai mengabaikan alarm, termasuk yang sungguhan.
- Terlewat
- Kejadian sungguhan tidak terdeteksi. Akibatnya bergantung pada kasus. Untuk server kepanasan, bisa mahal sekali.
Tidak ada pengaturan yang menghilangkan keduanya di semua data. Pilihan k adalah keputusan tentang mana yang lebih mahal, bukan sekadar soal teknis.
Rata-rata bergerak di ESP32
Nilai sigma (simpangan baku) diperkirakan dari data beberapa hari yang normal, lalu ditulis sebagai angka tetap di program.
const int N = 8;
float riwayat[N]; int isi = 0, pos = 0;
bool janggal(float x, float sigma, float k) {
bool hasil = false;
if (isi == N) {
float jml = 0;
for (int i = 0; i < N; i++) jml += riwayat[i];
hasil = fabs(x - jml / N) > k * sigma;
}
riwayat[pos] = x; pos = (pos + 1) % N;
if (isi < N) isi++;
return hasil;
} - Baris 2: Larik (array) melingkar menyimpan 8 bacaan terakhir. Posisi tulisnya (pos) berputar dari 0 sampai 7 memakai sisa bagi (lihat [[p2]]).
- Baris 8: Bandingkan bacaan baru dengan rata-rata 8 bacaan sebelumnya.
- Baris 10: Simpan bacaan baru setelah dibandingkan, supaya titik janggal tidak ikut menilai dirinya sendiri.
Benar atau salah?
- "Ambang yang lebih rendah selalu lebih aman."
- Benar
- Salah
Jawaban
Salah. Lebih banyak yang tertangkap, tapi alarm palsu juga melonjak, dan alarm yang terlalu sering diabaikan.
- "Titik yang terdeteksi janggal pasti kerusakan."
- Benar
- Salah
Jawaban
Salah. Detektor hanya bilang "tidak biasa". Bisa kerusakan, bisa kejadian wajar yang jarang (pesta di kamar). Manusia atau aturan lain yang memutuskan.
Selesai
- Ambang tetap mudah tapi buta terhadap pola harian.
- Simpangan dari rata-rata bergerak mengikuti pola dan menangkap naik maupun turun.
- Memilih pengali k berarti memilih antara lebih banyak alarm palsu atau lebih banyak kejadian terlewat.
Pancingan
Aturan ini kita tulis sendiri. Bisakah komputer mempelajari polanya dari data? Itu Model sederhana: regresi dan klasifikasi (lanjutan). Atau langsung pasang detektor ini di monitor suhumu, di materi Proyek: deteksi anomali suhu ruangan.
Berikutnya
Referensi
- V. Chandola, A. Banerjee, V. Kumar, Anomaly Detection, A Survey, ACM Computing Surveys, 2009.
- NIST/SEMATECH e-Handbook of Statistical Methods, bagian control charts.
Draf AI. Belum direview manusia. Materi ini mengisi slot di peta konsep. Tujuannya usulan penulis AI, belum keputusan. Data di simulasi adalah data buatan.
Kode materi a3 · versi 0.1 · 2026-10-06