Penerapan teknologi Internet of Things (IoT) pada industri minyak dan gas memberikan kemudahan dalam melakukan pemantauan status operasional Sucker Rod Pump (SRP) dengan pemanfaatkan sensor inclinometer dan current transformer (CT sensor). Data dari kedua sensor diintegrasikan dengan sistem dashboard monitoring, sehingga memberikan visibilitas penuh terhadap status operasi SRP di lapangan, baik dalam kondisi hidup (on) maupun mati (off). Data status operasional SRP dikirimkan secara real-time ke server melalui komunikasi nirkabel berbasis LoRa. Namun, komunikasi Machine-to-Machine (M2M) yang digunakan dalam sistem ini rentan terhadap anomali seperti loopback, stack overflow, dan device spoofing yang dapat mengganggu kontinuitas data serta menurunkan efisiensi operasional. Penelitian ini bertujuan untuk mengembangkan metode investigasi forensik digital yang mampu mendeteksi dan menganalisis gangguan komunikasi M2M secara real-time. Penelitian dilakukan dengan pendekatan eksperimental melalui simulasi skenario gangguan menggunakan platform Node-RED dan protokol HTTP GET. Sistem dirancang untuk mengenali pola komunikasi abnormal dengan memanfaatkan struktur data string sepanjang 48 karakter. Hasil eksperimen menunjukkan bahwa sistem mampu mengidentifikasi secara tepat tiga jenis gangguan utama, yaitu loopback, stack overflow, dan device spoofing secara akurat dan konsisten. Loopback dikenali melalui pengulangan data identik, stack overflow dan device spoofing melalui validasi ID perangkat. Tingkat akurasi deteksi melebihi 95%. Penelitian ini memberikan kontribusi terhadap peningkatan keandalan pemantauan IoT industri melalui deteksi dini anomali dan dukungan pemeliharaan prediktif berbasis bukti digital.