Perpustakaan Digital ITB

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.