Perpustakaan Digital ITB

Dalam beberapa dekade terakhir, perkembangan teknologi mendorong munculnya e-commerce dan transaksi melalui internet. Popularitas transaksi online di seluruh dunia telah menarik para penjahat untuk melakukan fraud keuangan dalam transaksi online. Hal ini menunjukkan pentingnya deteksi fraud dalam transaksi online. Tujuan dari Tugas Akhir ini adalah untuk menerapkan beberapa metode pembelajaran mesin berbasis pohon untuk mendeteksi fraud keuangan dalam transaksi online menggunakan dataset yang disediakan oleh Vesta dalam kompetisi Kaggle yang diselenggarakan oleh IEEE Computation Intelligence Society (CIS), kemudian membandingkan kinerja metode-metode tersebut. Tugas Akhir ini mengimplementasikan tiga model, yaitu Classification and Regression Trees (CART), Random Forest, dan Extreme Gradient Boosting (XGBoost). Karena ketidakseimbangan kelas sangat tinggi, metode resampling diterapkan dan kemudian dibandingkan dengan kinerja model tanpa resampling. Ditemukan bahwa kinerja keseluruhan pada model yang menggunakan resampling lebih buruk daripada tanpa resampling, kecuali pada model Random Forest. Secara keseluruhan, model XGBoost menunjukkan kinerja terbaik dengan nilai AUC 0.92, diikuti oleh Random Forest dengan nilai AUC 0.90, sementara CART menunjukkan kinerja terburuk dengan nilai AUC 0.85.