Isolation Forest, juga dikenal sebagai iForest, adalah algoritma pembelajaran mesin yang dirancang untuk mendeteksi outlier dalam kumpulan data. Ia bekerja dengan memilih secara acak dan mengisolasi titik-titik dalam data, yang kemudian digunakan untuk menghasilkan pohon keputusan. Pohon ini kemudian digunakan untuk menemukan titik-titik anomali dalam data, yang dianggap sebagai outlier. Dengan mengambil sampel dan memilih titik secara acak, Isolation Forest berupaya menemukan outlier dalam data tanpa mempertimbangkan sebaran data secara keseluruhan.
Isolation Forest pertama kali diusulkan oleh Fei Tony Liu, Kai Ming Ting dan Zhi-Hua Zhou dalam makalah mereka “Isolation Forest”. Algoritme ini didasarkan pada gagasan untuk mengisolasi titik data tertentu dalam kumpulan data dengan memilih titik berikutnya secara acak dalam data. Pemilihan acak ini mengisolasi titik data asli, yang kemudian digunakan untuk membuat pohon keputusan. Pohon ini kemudian digunakan untuk mengidentifikasi titik-titik outlier dalam kumpulan data. Makalah tersebut menyatakan bahwa algoritme tersebut mengungguli metode deteksi anomali yang ada, seperti metode berbasis kepadatan atau metode tetangga terdekat, dalam hal efisiensi, akurasi, dan skalabilitas.
Algoritme ini bekerja dengan membangun hutan pohon isolasi. Pohon-pohon ini dibangun dengan memilih dan mengisolasi titik data dalam kumpulan data secara acak. Proses ini diulangi hingga setiap titik data diisolasi. Pohon yang dihasilkan kemudian digunakan untuk mengidentifikasi titik-titik outlier. Hal ini dilakukan dengan membandingkan kedalaman titik-titik yang sebelumnya terisolasi pada pepohonan. Poin-poin yang lebih dalam kemungkinan besar merupakan outlier, sehingga diidentifikasikan sebagai outlier.
Pemanfaatan Hutan Isolasi telah berkembang secara eksponensial sejak algoritma ini pertama kali diusulkan. Sekarang digunakan dalam berbagai aplikasi, termasuk deteksi penipuan, deteksi intrusi, deteksi outlier, dan diagnosis medis.
Secara keseluruhan, Isolation Forest adalah algoritma pembelajaran mesin yang digunakan untuk mendeteksi outlier dalam suatu dataset. Ini telah menjadi algoritma yang populer karena skalabilitas, akurasi dan efisiensinya, dan digunakan dalam berbagai disiplin ilmu.
