COVER Irfan Kamil
PUBLIC rikrik BAB 1 Irfan Kamil
PUBLIC rikrik BAB 2 Irfan Kamil
PUBLIC rikrik BAB 3 Irfan Kamil
PUBLIC rikrik BAB 4 Irfan Kamil
PUBLIC rikrik BAB 5 Irfan Kamil
PUBLIC rikrik PUSTAKA Irfan Kamil
PUBLIC rikrik
Mendeteksi kecurangan dalam registrasi sidik jari merupakan tantangan unik
karena atribut pegawai yang ada tidak dapat diandalkan. Selain itu, analisa
menggunakan algoritma supervised tidak dapat menangani data yang tidak berlabel
yang dihasilkan secara unik untuk kasus ini. Ditemukan bahwa pola-pola kehadiran
dan data laporan aktivitas karyawan memiliki kecenderungan kecurangan dengan
tindakan kecurangan. Oleh karena itu, kami mengusulkan metode pengelompokan
ketat untuk mendeteksi kecurangan dalam perekaman sidik jari menggunakan
algoritma DBSCAN, karena perhitungan jarak yang ketat menghilangkan data yang
tidak curang karena data tidak curang dihasilkan secara unik.
Penelitian ini mengusulkan tiga metode untuk mendeteksi kemiripan yang tinggi
dari data historis presensi dan aktivitas pegawai. Kemiripan ini cenderung
mengindikasikan kecurangan untuk presensi pegawai dan laporan aktivitas pegawai
karena secara alami data tersebut seharusnya dihasilkan secara dinamis dan unik
untuk setiap pegawai. Metode P2 dengan jarak 3 hari berurutan menunjukkan nilai
F-Measure tertinggi yaitu 100% dalam penggunaan pengelompokan ketat untuk
mendeteksi kecurangan registrasi sidik jari untuk presensi. Namun coverage dari
pemeriksaan tersebut hanya 55%. Untuk mendapatkan coverage pemeriksaan
100%, metode P2 dengan jarak 5 hari dan 7 hari dapat digunakan.
Saran untuk penelitian selanjutnya, perlu memeriksa apakah laporan aktivitas
secara substansi dapat menjadi indikator penentu kecurangan presensi. Kemudian,
indikasi kecurangan yang telah ditemukan perlu diinvestigasi apakah benar
merupakan sebuah kecurangan atau hanya kebetulan saja. Investigasi ini diperlukan
untuk mengukur akurasi dari metode pencarian outlier detection.