Perpustakaan Digital ITB

Penelitian ini bertujuan untuk mengembangkan model dan prototipe kategorisasi transaksi QRIS menggunakan teknik pembelajaran mesin dan jaringan saraf tiruan. QRIS sebagai standar pembayaran digital di Indonesia memungkinkan transaksi melalui kode QR, dan kategorisasi transaksi penting untuk analisis keuangan dan pengelolaan transaksi digital. Data transaksi QRIS diolah melalui pembersihan, normalisasi, dan ekstraksi fitur yang mencakup informasi seperti jumlah, waktu, dan lokasi transaksi. Selain SVM, Random Forests, dan CNN, teknik N-Gram digunakan untuk menggali pola linguistik. Model-model ini digunakan untuk memahami hubungan antara fitur dan kategori transaksi. Penelitian ini berhasil menghasilkan model yang meningkatkan akurasi dan efisiensi kategorisasi transaksi QRIS. Penggunaan SVM dan Random Forests membantu mengidentifikasi pola hubungan fitur dengan kategori, sementara CNN memberikan representasi spasial yang lebih baik. Penggunaan N-Gram membantu dalam pemahaman pola linguistik. Prototipe yang dibuat berpotensi memberikan kontribusi dalam analisis transaksi dan pemahaman tren belanja. Dengan demikian, penelitian ini memiliki implikasi positif dalam manajemen transaksi dan analisis keuangan dalam konteks pembayaran digital QRIS.