2019_TA_PP_DINA_CHRISTINA_1-BAB_1.pdf
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
2019_TA_PP_DINA_CHRISTINA_1-COVER.pdf
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
2019_TA_PP_DINA_CHRISTINA_1-BAB_2.pdf
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
2019_TA_PP_DINA_CHRISTINA_1-BAB_3.pdf
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
2019_TA_PP_DINA_CHRISTINA_1-BAB_4.pdf
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
2019_TA_PP_DINA_CHRISTINA_1-BAB_5.pdf
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
2019_TA_PP_DINA_CHRISTINA_1-DAFTAR_PUSTAKA.pdf
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
2019_TA_PP_DINA_CHRISTINA_1-LAMPIRAN.pdf
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
Terbatas  Dwi Ary Fuziastuti
» Gedung UPT Perpustakaan
Pesatnya kemajuan dalam teknologi perdagangan elektronik menyebabkan
penggunaan kartu kredit menjadi meningkat. Hal ini dikarenakan kartu kredit
merupakan metode pembayaran yang mudah untuk proses transaksi belanja
daring. Semakin meningkatnya penggunaan kartu kredit, kasus penyalahgunaan
terhadap kartu kredit juga meningkat. Jika informasi mengenai transaksi kartu
kredit merupakan proses yang dapat diamati dan faktor-faktor penyebab besarnya
transaksi kartu kredit tidak teramati secara langsung (tersembunyi) serta diasumsikan
membentuk suatu rantai Markov maka rincian transaksi kartu kredit dapat
dimodelkan dengan Model Markov Tersembunyi (MMT).
Dalam penelitian ini akan dijelaskan proses pelatihan model yang mencatat urutan
perilaku normal seorang pemegang kartu kredit hingga pada proses pendeteksian
transaksi baru pada kartu kredit.
Setelah mendeteksi transaksi baru, akan ditentukan suatu nilai ambang batas
optimal suatu transaksi dianggap penyalahgunaan. Akan disajikan beberapa
percobaan dengan jumlah keadaan tersembunyi yang berbeda-beda untuk menunjukkan
efektivitas model dalam mendeteksi transaksi penyalahgunaan serta
efektivitas model terhadap tingkat akurasi.