Studi Kasus: Deteksi Anomali Data IoT dengan Python

📄 Pendahuluan

Proyek ini menawarkan solusi berbasis web untuk menganalisis data time series dari perangkat IoT, lalu mengidentifikasi pola atau perilaku yang menyimpang (anomali). Cukup unggah file CSV berisi data sensor, dan aplikasi akan secara otomatis memberikan laporan visual tentang kondisi perangkatmu.

✨ Fitur Unggulan

📂 Unggah File CSV: Antarmuka yang mudah untuk mengunggah data IoT dalam format CSV.
🧠 Deteksi Anomali Cerdas: Menggunakan model Isolation Forest dari scikit-learn untuk menemukan anomali secara efisien.
📊 Ringkasan Statistik Instan: Menampilkan gambaran cepat total data, jumlah anomali terdeteksi, dan persentasenya.
📈 Visualisasi Interaktif: Grafik time series yang jelas menggunakan Chart.js, dengan titik-titik anomali ditandai secara khusus agar mudah diidentifikasi.
📌 Analisis Distribusi Data: Grafik tambahan untuk menampilkan distribusi pengukuran dan skor anomali.
🔥 Daftar Anomali Teratas: Menampilkan 10 anomali paling signifikan dalam bentuk tabel, lengkap dengan timestamp dan nilai sensornya.

🛠️ Teknologi yang Digunakan

Backend:

Python 3.10
Flask (Untuk REST API)
Flask-CORS
Pandas (Untuk manipulasi data)
scikit-learn (Untuk model Isolation Forest)

Frontend:

HTML5, CSS3, JavaScript
Chart.js (Untuk visualisasi data)
chartjs-adapter-date-fns (Untuk menangani data tanggal di Chart.js)

🚀 Instalasi dan Menjalankan Aplikasi

1. Persiapan Awal & Kloning Repository

# Buat direktori kerja
mkdir C:\AplikasiIoT
cd C:\AplikasiIoT

# Kloning repository dari GitHub
git clone [https://github.com/aulia-iskandar/iot-anomaly-detector.git](https://github.com/aulia-iskandar/iot-anomaly-detector.git)
cd iot-anomaly-detector