PIPI
JOISIE (Journal Of Information Systems And Informatics Engineering)JOISIE (Journal Of Information Systems And Informatics Engineering)Meningkatnya penggunaan kartu kredit di Indonesia menimbulkan kekhawatiran mengenai potensi penipuan dalam transaksi tersebut. Data dari Bank Indonesia menunjukkan bahwa jumlah kartu kredit yang beredar pada Agustus 2023 mencapai 17,69 juta, dengan volume transaksi mencapai 28.360 transaksi per Mei 2022. Volume transaksi yang tinggi dan kecepatan pemrosesan yang cepat membuat pengawasan manual tidak memungkinkan. Oleh karena itu, diperlukan pengawasan otomatis untuk mencegah tindak penipuan dalam transaksi kartu kredit. Penelitian ini bertujuan mengembangkan sistem pendeteksi penipuan transaksi kartu kredit berbasis Machine learning dengan menggunakan algoritma Random Forest. Random Forest digunakan untuk klasifikasi, regresi, dan tugas-tugas lainnya. Dataset transaksi kartu kredit dari tahun 2023 yang terdiri lebih dari 550.000 data digunakan dalam penelitian ini. Hasil penelitian menunjukkan bahwa dari total 568.630 record dalam dataset, terdapat sejumlah 113.726 record yang terdeteksi sebagai penipuan berdasarkan model klasifikasi yang digunakan. Melalui analisis Random Forest, fitur V4, V11, V22, V21, dan V27 diidentifikasi sebagai yang paling berpengaruh dalam mendeteksi penipuan. Model yang dikembangkan menunjukkan tingkat akurasi sekitar 96,53%, didukung oleh metode roc_auc_score yang mengkategorikannya sebagai sangat baik.
Berdasarkan serangkaian pengujian terhadap model yang dikembangkan menggunakan algoritma Random Forest Classification, diperoleh kesimpulan bahwa fitur yang paling relevan adalah V4.Hal ini diperkuat melalui visualisasi akurasi menggunakan confusion matrix dan perhitungan akurasi yang menghasilkan nilai sebesar 0.96 atau 96,53%, yang dapat dikategorikan sebagai sangat baik.Dengan demikian, dapat disimpulkan bahwa algoritma Random Forest Classifier dengan model yang telah dikembangkan mampu memberikan hasil yang sangat baik dalam mendeteksi penipuan kartu kredit.Hasil penelitian menunjukkan bahwa dari total 568.630 record dalam dataset, terdapat sejumlah 113.726 record yang terdeteksi sebagai penipuan berdasarkan model klasifikasi yang digunakan.Keberhasilan ini menunjukkan kemampuan model dalam mengidentifikasi pola-pola yang mencurigakan atau tidak biasa dalam data transaksi keuangan, khususnya terkait dengan fitur yang paling relevan, yaitu V4.Ini menjadi langkah positif dalam mengamankan transaksi kartu kredit dan memberikan keyakinan bahwa model dapat efektif memberikan peringatan dini terhadap potensi tindak pidana penipuan.
Untuk penelitian lanjutan, dapat dipertimbangkan beberapa saran berikut: Pertama, mengimplementasikan model ini dalam sistem transaksi keuangan nyata untuk menguji kinerjanya dalam lingkungan operasional. Kedua, mengembangkan model lebih lanjut dengan menggabungkan algoritma machine learning lain, seperti Gradient Boosting atau Deep Learning, untuk meningkatkan akurasi dan kecepatan deteksi. Ketiga, memperkuat aspek keamanan data dalam proses praproses dan pelatihan model untuk mengurangi risiko kebocoran data dan memastikan privasi pengguna. Keempat, melakukan monitoring dan pemeliharaan rutin terhadap model yang diterapkan untuk memastikan model tetap relevan dan akurat seiring dengan perubahan pola transaksi dan teknik penipuan. Kelima, bekerja sama dengan industri keuangan dan teknologi untuk mengadopsi dan menyempurnakan model ini sesuai dengan kebutuhan dan tantangan yang ada di lapangan.
- DETEKSI PENIPUAN KARTU KREDIT MENGGUNAKAN METODE RANDOM FOREST | JOISIE (Journal Of Information Systems... doi.org/10.35145/joisie.v8i2.4064DETEKSI PENIPUAN KARTU KREDIT MENGGUNAKAN METODE RANDOM FOREST JOISIE Journal Of Information Systems doi 10 35145 joisie v8i2 4064
- ANALISIS KLASIFIKASI BENCANA BANJIR BERDASARKAN CURAH HUJAN MENGGUNAKAN ALGORITMA NAÃVE BAYES... doi.org/10.35145/joisie.v5i2.1785ANALISIS KLASIFIKASI BENCANA BANJIR BERDASARKAN CURAH HUJAN MENGGUNAKAN ALGORITMA NAyEAaVE BAYES doi 10 35145 joisie v5i2 1785
| File size | 343.03 KB |
| Pages | 9 |
| DMCA | Report |
Related /
4141 Saat aliran air memasuki muara, terjadi perubahan kecepatan aliran yang melambat sehingga menyebabkan pengendapan sedimen di muara sungai. Mulut muaraSaat aliran air memasuki muara, terjadi perubahan kecepatan aliran yang melambat sehingga menyebabkan pengendapan sedimen di muara sungai. Mulut muara
UMSUMS Bencana hidrometeorologi, seperti banjir dan tanah longsor, sering terjadi di Indonesia akibat tingginya intensitas hujan yang dipengaruhi oleh La Nina.Bencana hidrometeorologi, seperti banjir dan tanah longsor, sering terjadi di Indonesia akibat tingginya intensitas hujan yang dipengaruhi oleh La Nina.
UMSUMS Untuk membuktikan besaran debit tersebut yang terjadi di lapangan maka dilakukan uji validasi dengan metode RMSE dan NSE dengan menguji ketinggian banjirUntuk membuktikan besaran debit tersebut yang terjadi di lapangan maka dilakukan uji validasi dengan metode RMSE dan NSE dengan menguji ketinggian banjir
UNWAHAUNWAHA Penerapan papan pintar sebagai alat bantu pembelajaran terbukti efektif dalam membangkitkan semangat belajar siswa. Kegiatan sosialisasi tanggap bencanaPenerapan papan pintar sebagai alat bantu pembelajaran terbukti efektif dalam membangkitkan semangat belajar siswa. Kegiatan sosialisasi tanggap bencana
4141 Bencana alam seperti gempa bumi, banjir rob, dan angin kencang sering terjadi di wilayah pesisir, sehingga diperlukan mitigasi bencana. KeanekaragamanBencana alam seperti gempa bumi, banjir rob, dan angin kencang sering terjadi di wilayah pesisir, sehingga diperlukan mitigasi bencana. Keanekaragaman
UMCUMC RRI memposisikan diri sebagai media tanggap bencana, dengan menerapkan kedua fungsi pengawasan yaitu pengawasan peringatan dini (early warning system)RRI memposisikan diri sebagai media tanggap bencana, dengan menerapkan kedua fungsi pengawasan yaitu pengawasan peringatan dini (early warning system)
UMCUMC AHA Centre, yang didirikan pada tahun 2015, berfungsi sebagai pusat koordinasi dan informasi utama di kawasan ASEAN untuk penanganan bencana, didorongAHA Centre, yang didirikan pada tahun 2015, berfungsi sebagai pusat koordinasi dan informasi utama di kawasan ASEAN untuk penanganan bencana, didorong
4141 Hasil penelitian menunjukkan bahwa debit puncak inflow adalah 36,543 m3/s, sedangkan debit puncak outflow adalah 35,934 m3/s. Hidrograf aliran dengan metodeHasil penelitian menunjukkan bahwa debit puncak inflow adalah 36,543 m3/s, sedangkan debit puncak outflow adalah 35,934 m3/s. Hidrograf aliran dengan metode
Useful /
SMARTPUBLISHERSMARTPUBLISHER Penelitian ini menggunakan data sekunder dengan populasi sebanyak 44 perusahaan yaitu perusahaan pertambangan sub sektor nikel yang terdaftar di BursaPenelitian ini menggunakan data sekunder dengan populasi sebanyak 44 perusahaan yaitu perusahaan pertambangan sub sektor nikel yang terdaftar di Bursa
RISTEKRISTEK Penelitian lanjutan diharapkan dapat mengeksplorasi dampak faktor budaya, keberlanjutan lingkungan, dan media sosial terhadap persepsi wisatawan halal.Penelitian lanjutan diharapkan dapat mengeksplorasi dampak faktor budaya, keberlanjutan lingkungan, dan media sosial terhadap persepsi wisatawan halal.
UMCUMC Oleh karena itu diperlukan upaya yang massif untuk meningkatkan kemampuan analitik di tengah maraknya berita hoaks dan juga tayangan negatif di media sosial.Oleh karena itu diperlukan upaya yang massif untuk meningkatkan kemampuan analitik di tengah maraknya berita hoaks dan juga tayangan negatif di media sosial.
UMCUMC Adanya stigma negatif mengenai masyarakat Papua, membuat Alenia Pictures mengangkat kehidupan di Papua dalam sebuah film. Temuan di dalam penelitian iniAdanya stigma negatif mengenai masyarakat Papua, membuat Alenia Pictures mengangkat kehidupan di Papua dalam sebuah film. Temuan di dalam penelitian ini