Perpustakaan Digital ITB

Promotion abuse fraud merupakan penyalahgunaan promosi dengan melakukan duplikasi akun untuk mendapatkan keuntungan atas kode promosi secara curang. Tindakan ini sangat merugikan bagi perusahaan. Oleh karena itu, penelitian ini bertujuan untuk menangani fraud dengan melakukan pengembangan aplikasi pendeteksi promotion abuse fraud. Proses pengembangan aplikasi secara umum meliputi analisis kebutuhan, pemodelan, dan pengembangan aplikasi. Dataset yang digunakan untuk pemodelan berasal dari salah satu perusahaan e-commerce di Indonesia. Tahap pengumpulan dataset meliputi perhitungan kemiripan antar akun menggunakan algoritma Levenshtein distance similarity untuk mendapatkan fitur tambahan yaitu jumlah akun yang mirip dengan akun tertentu. Pada tahap pemodelan dilakukan eksperimen menggunakan algoritma Random Forest dan algoritma risk scoring berbasis machine learning yaitu FasterRisk. Model hasil algoritma FasterRisk lebih unggul untuk kasus deteksi fraud dengan F1 score dan AUC yang lebih tinggi dibandingkan Random Forest dengan F1 score dan AUC masing-masing bernilai 0.316 dan 0.666. Model FasterRisk juga memilki keunggulan dari aspek interpretability karena memiliki keluaran berupa model risk score yang lebih dapat dipahami, sehingga pengguna dapat memahami factor-faktor yang menjadi indikator terjadinya fraud. Model hasil algoritma FasterRisk kemudian di-deploy ke dalam aplikasi web. Aplikasi yang dibangun memiliki beberapa fitur, yaitu menampilkan hasil deteksi fraud menggunakan algoritma FasterRisk, mensimulasikan beberapa model risk score, menampilkan informasi tambahan mengenai model, mengunduh data hasil prediksi, dan dapat memblokir akun yang diprediksi sebagai fraud.