| Ketidaksesuaian dalam sistem pembayaran, seperti selisih jumlah dan kesalahan pencatatan, berpotensi menimbulkan kerugian finansial dan menurunkan akuntabilitas institusi. Penelitian ini bertujuan mendeteksi anomali pada data pembayaran Tunjangan Profesi Dosen (TPD) dan Tunjangan Kehormatan Guru Besar (TKGB) di LLDIKTI Wilayah IV menggunakan algoritma Isolation Forest serta mengevaluasi risiko keuangan melalui kerangka kerja COSO ERM. Data yang dianalisis diperoleh dari arsip historis SPTJM Online. Hasil menunjukkan bahwa algoritma mengidentifikasi 150 anomali pada data gaji dan 144 pada data pembayaran, dengan skor deviasi signifikan. Visualisasi t‑SNE memperlihatkan pemisahan tegas antara data normal dan anomali, sedangkan uji chi square mengindikasikan sifat sistemik dari anomali. Evaluasi COSO ERM mengungkap aspek identifikasi risiko tertinggi, namun terdapat kelemahan pada integrasi data dan pelaporan. Pendekatan integratif ini terbukti efektif dalam mendeteksi anomali dan memperkuat pengawasan keuangan institusi pendidikan tinggi. |
