Perpustakaan Digital ITB

Fraud didefinisikan sebagai aktivitas kecurangan atau ilegal yang merugikan sebuah pihak, sehingga pendeteksian fraud didefinisikan sebagai proses identifikasi aktivitas fraud dari aktivitas tidak fraud. Pada umumnya, banyaknya aktivitas fraud jauh lebih sedikit dibanding aktivitas tidak fraud, sehingga terdapat tantangan tersendiri agar solusi pendeteksi fraud yang dikembangkan dapat terhindar dari kendala yang muncul akibat adanya ketidakseimbangan tersebut. Solusi yang ditawarkan pada Tugas Akhir ini adalah bayesian neural network (BNN). BNN adalah stochastic neural network dengan aturan Bayes sebagai komponen stokastik yang digunakan. BNN dipilih karena kemampuannya dalam meminimalkan risiko overfitting dan memberikan tingkat kepercayaan dari prediksi yang dihasilkan. Pada Tugas Akhir ini, BNN akan dikembangkan menggunakan data tereduksi dan sampel data tereduksi. Data akan direduksi dengan teknik pemilihan fitur dan pengambilan sampel akan dilakukan dengan teknik undersampling. Hasil eksperimen menunjukkan bahwa BNN yang dikembangkan menggunakan data tereduksi maupun sampel dari data tereduksi mampu terhindar dari overfitting. Lebih lanjut lagi, BNN yang dikembangkan menggunakan sampel dari data tereduksi mampu memiliki kualitas yang baik, yaitu memiliki akurasi, presisi, dan sensitivitas yang mencapai lebih dari 70%, mampu dikembangkan secara efektif, dan tingkat kepercayaan dari prediksi mampu dimanfaatkan untuk kepentingan deteksi fraud.