Analisis Big Data Metadata CERN Berbasis Cloud Computing Menggunakan Algoritma Z-Score Outlier Detection
Keywords:
Big Data, Cloud Computing, Anomaly Detection, Pattern Recognition, Z-ScoreAbstract
Penelitian ini bertujuan untuk mengidentifikasi anomali serta mengenali pola tersembunyi pada dataset metadata eksperimen ATLAS berskala Big Data yang bersumber dari CERN Open Data. Permasalahan utama dalam penelitian ini adalah tingginya variasi jumlah kejadian fisika (events) yang menyulitkan proses analisis dan interpretasi data secara akurat. Untuk mengatasi permasalahan tersebut, penelitian ini menerapkan pendekatan Knowledge Discovery in Database (KDD) berbasis komputasi awan (Cloud Computing) yang meliputi agregasi data, komputasi statistik deskriptif, analisis kemiringan distribusi (skewness), Z-Score Outlier Detection, dan pengenalan pola sekuensial (pattern recognition). Hasil analisis terhadap 374 dataset menunjukkan rata-rata jumlah kejadian sebesar 5.075.259,44 events dengan standar deviasi 18.689.769,53 events, di mana distribusi populasi terkonfirmasi memiliki tingkat kemiringan positif yang ekstrem (Right-Skewed). Berdasarkan perhitungan Z-Score dengan ambang batas |Z| > 3, ditemukan sebanyak 6 dataset (sekitar 1,6%) yang teridentifikasi sebagai anomali ekstrem. Lebih lanjut, analisis tren sekuensial dan visualisasi spasial membuktikan bahwa anomali tersebut tidak terjadi secara acak, melainkan membentuk klaster sistemik yang terpusat pada rentang batch observasi tertentu. Integrasi metode Z-Score dan pengenalan pola ini terbukti efektif dalam memvalidasi kualitas data (Veracity) serta mengekstraksi informasi operasional pada dataset saintifik berskala masif.
Downloads
References
I. K. Mahardika, S. Handono, E. Ernasari, H. A. Rofida, F. Zahro, dan M. A. Seftiyani, “Hakikat fisika sebagai pilar kehidupan,” Jurnal Pendidikan Ilmiah Transformatif, vol. 7, no. 12, pp. 30–34, Des. 2023. [Online].
D. D. Ramadhani, F. Fuad, dan D. Nurmalitasari, “Pengaruh hambatan ontogenik terhadap keefektifan pembelajaran statistika dalam Kurikulum Merdeka,” Jurnal Media Akademik (JMA), vol. 3, no. 1, Jan. 2025, doi: 10.62281/v3i1.1505.
J. Pebralia, “Orientasi gerak jatuh bebas pada sistem tiga partikel,” Jurnal Ilmu Fisika dan Pembelajarannya (JIFP), vol. 1, no. 2, pp. 55–58, Des. 2017, doi: 10.19109/jifp.v1i2.2835.
M. Ramdhan dan R. Oktova, “Pengembangan media pembelajaran tentang fisika partikel elementer menggunakan Android Studio Bumblebee untuk mahasiswa S-1 Pendidikan Fisika,” Jurnal Inovasi dan Pembelajaran Fisika, vol. 11, no. 1, pp. 96–104, 2024, doi: 10.3670/jipf.v11i1.313.
G. Guerrieri, on behalf of the ATLAS Collaboration, “Open Data at ATLAS: Bringing TeV collisions to the World,” EPJ Web of Conferences, vol. 337, 01293, 2025, doi: 10.1051/epjconf/202533701293.
Z. Marshall, L. A. Heinrich, M. Lassnig, M. I. Vivas Albornoz, dan S. Willocq, “The first release of ATLAS Open Data for Research,” EPJ Web of Conferences, vol. 337, 01345, 2025, doi: 10.1051/epjconf/202533701345.
P. V. Karamoy, D. A. Tulandi, dan P. M. Silangen, “Efektivitas penggunaan File Manager pada pembelajaran dinamika partikel,” Charm Sains: Jurnal Pendidikan Fisika, vol. 4, no. 2, pp. 98–104, 2023, doi: 10.53682/charmsains.v4i2.251.
R. Ajie dan T. Sutabri, “Optimasi kinerja basis data terdistribusi menggunakan algoritma replication dan partitioning,” Jurnal Sains Student Research, vol. 3, no. 2, pp. 371–378, 2025, doi: 10.61722/jssr.v3i2.4318.
B. W. Al Aluf, A. Hernawan, dan G. S. Nugraha, “Teknik distributed Naive Bayes untuk analisis sentimen ulasan pelanggan Amazon,” Universitas Mataram, 2025.
P. Hendikawati, N. A. S. Harwanti, Wardono, A. Prabowo, M. D. Zahra, dan W. R. Saefurrochman, “Pembelajaran Big Data di perguruan tinggi: Potensi masa depan, faktor pendukung dan penghambat,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 10, no. 3, pp. 2232–2241, 2025, doi: 10.29100/jipi.v10i3.7711.
A. Wibowo, Pengantar AI, Big Data dan Ilmu Data. Semarang: Yayasan Prima Agus Teknik bekerja sama dengan Universitas STEKOM, 2023.
M. R. Aditya dan C. Dewi, “Optimisasi pengecekan anomali pada proses job: Analisis waktu dan data untuk identifikasi anomali yang efisien,” Jurnal Indonesia: Manajemen Informatika dan Komunikasi (JIMIK), vol. 5, no. 2, pp. 1819–1832, 2024, doi: 10.35870/jimik.v5i2.737.
I. M. Karo Karo dan Hendriyana, “Klasifikasi penderita diabetes menggunakan algoritma machine learning dan Z-score,” Jurnal Teknologi Terpadu, vol. 8, no. 2, pp. 94–99, 2022, doi: 10.54914/jtt.v8i2.564.
V. Bansal et al., “ATLAS sensitivity to leptoquarks, W_R and heavy Majorana neutrinos in final states with high pt dileptons and jets with early LHC data at 14 TeV proton proton collisions,” ATLAS Collaboration preprint, arXiv:0910.2215, 2009.
F. D. Utami dan F. D. Astuti, “Comparison of Hadoop MapReduce and Apache Spark in data processing with Hgrid247-DE,” Journal of Applied Informatics and Computing (JAIC), vol. 8, no. 2, pp. 390–399, 2024, doi: 10.30871/jaic.v8i2.8557.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Lastri Putri Silaban Silaban, Muhammad Tsabat Muhyiyuddin, Zevan Irfan Surbakti
This work is licensed under a Creative Commons Attribution 4.0 International License.
