Pengembangan Metode Adaptive Neighborhood Representative Plus (ANR?) untuk Peningkatan Performa Deteksi Outlier

Abstract

Deteksi outlier bertujuan mengidentifikasi objek yang memiliki pola berbeda dari mayoritas pengamatan. Metode berbasis k-nearest neighbors mampu menangkap struktur ketetanggaan antarobjek, tetapi kinerjanya sensitif terhadap pemilihan nilai . Metode yang hanya menggunakan skor individual juga dapat mengabaikan informasi pada tingkat kelompok. Penelitian ini bertujuan mengembangkan Adaptive Neighborhood Representative Plus (ANR?) melalui integrasi K-Finder based on Neighborhood Consistency (KFC) dan Neighborhood Representative Plus (NR?). Kinerja ANR? kemudian dievaluasi menggunakan data referensi. Metode tersebut selanjutnya diterapkan pada data SUSENAS Maret 2024 Provinsi Jawa Barat.

ANR? menggunakan KFC untuk memilih nilai k secara adaptif berdasarkan konsistensi struktur ketetanggaan. Objek representative dibentuk melalui iterative medoid-shift. Skor ANR? diperoleh dengan menggabungkan skor lokal setiap objek dan skor global dari objek representative. Kinerja metode dievaluasi pada 14 dataset referensi menggunakan AUC-ROC dan dibandingkan dengan KFCS serta NR? rujukan. KNN digunakan sebagai detektor utama, sedangkan LOF, ODIN, dan MOD+ digunakan untuk menilai konsistensi hasil antardetektor. Weighted ANR? juga dianalisis sebagai oracle upper bound untuk menilai potensi pembobotan skor lokal dan global.

Evaluasi pada delapan dataset yang dapat dibandingkan menunjukkan rata-rata AUC ANR? sebesar 0,733 dibandingkan 0,680 pada KFCS rujukan. ANR? menghasilkan AUC lebih tinggi pada enam dari delapan dataset tersebut. Perbandingan dengan NR? rujukan menunjukkan rata-rata AUC ANR? sebesar 0,831 dan NR? sebesar 0,812 pada sebelas dataset. ANR? menghasilkan AUC lebih tinggi pada lima dataset. Weighted ANR? menghasilkan rata-rata AUC 0,798 dibandingkan 0,775 pada ANR? utama di 14 dataset. Hasil tersebut menunjukkan bahwa kontribusi skor lokal dan global berbeda pada setiap dataset sehingga perbedaan kinerja ANR? tetap bergantung pada karakteristik data.

ANR? selanjutnya diterapkan pada 26.012 rumah tangga SUSENAS Maret 2024 Provinsi Jawa Barat. Analisis menggunakan lima peubah, yaitu pengeluaran makanan per kapita, pengeluaran nonmakanan per kapita, konsumsi kalori per kapita, konsumsi protein per kapita, dan jumlah anggota rumah tangga. Seluruh peubah kemudian distandardisasi menggunakan z-score sebelum pembentukan struktur neighborhood. Pemilihan k menghasilkan nilai 10 untuk KNN, 21 untuk LOF, 52 untuk ODIN, dan 20 untuk MOD+. KNN sebagai detektor utama membentuk 2.055 objek representative melalui delapan iterasi.

Penerapan Two-Stage Thresholding pada skor ANR?-KNN menghasilkan ambang akhir sebesar 1,790 dan mengidentifikasi 1.932 rumah tangga atau 7,43% sebagai kandidat outlier. Kandidat tersebut terdiri atas 1.538 Global-like atau 79,61%, 320 Local-like atau 16,56%, dan 74 Collective-like atau 3,83%, sedangkan kategori Others tidak ditemukan. Perbandingan antardetektor menunjukkan kesesuaian terbesar antara KNN dan MOD+ dengan indeks Jaccard sebesar 0,806 dan korelasi peringkat Spearman sebesar 0,978. Sebanyak 603 rumah tangga memperoleh dukungan sedikitnya tiga detektor dan 75 di antaranya ditetapkan sebagai kandidat oleh seluruh empat detektor.

Profil kandidat menunjukkan bahwa perbedaan terhadap nonkandidat terutama terdapat pada dimensi pengeluaran. Rata-rata pengeluaran nonmakanan dan makanan per kapita kandidat masing-masing mencapai 6,520 dan 2,838 kali rata- rata nonkandidat. Rasio rata-rata konsumsi protein, jumlah anggota rumah tangga, dan konsumsi kalori masing-masing sebesar 1,510, 0,824, dan 1,315. Perbedaan pada konsumsi gizi dan ukuran rumah tangga relatif lebih kecil. Hasil tersebut menunjukkan bahwa kandidat terbentuk dari kombinasi karakteristik dalam ruang multivariat. Kandidat tersebut tidak dapat dijelaskan oleh satu peubah secara terpisah.

Hasil penelitian menunjukkan bahwa ANR? dapat mengintegrasikan pemilihan neighborhood adaptif dengan informasi keterpencilan pada tingkat objek dan objek representative. Metode ini menunjukkan kinerja pemeringkatan outlier yang secara rata-rata lebih tinggi pada data referensi, meskipun tidak pada seluruh struktur data. Penerapan pada SUSENAS menunjukkan bahwa ANR? dapat digunakan sebagai kerangka screening untuk memprioritaskan rumah tangga dengan pola multivariat yang tidak biasa. Kandidat yang diperoleh dari data tanpa label tetap memerlukan penelaahan substantif dan tidak dapat langsung diperlakukan sebagai outlier terverifikasi.