Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Tugas akhir berjudul "Implementasi Algoritma Machine Learning untuk Sistem
Klasifikasi Transaksi Anomali pada Agen Perbankan" berfokus pada penerapan
algoritma Extreme Gradient Boosting (XGBoost), Random Forest, LightGBM,
dan Artificial Neural Network dalam domain klasifikasi transaksi keuangan.
Tujuannya adalah mengembangkan sistem yang mampu mengidentifikasi dan
mengklasifikasikan transaksi yang anomali dalam jaringan agen perbankan.
Pengembangan sistem ini mengikuti metodologi CRISP-DM (Cross-Industry
Standard Process for Data Mining), yang memastikan langkah-langkah sistematis
dalam pengembangan model. Sistem ini meningkatkan keamanan dan efisiensi
operasi perbankan, terutama dalam mendeteksi transaksi yang berpotensi curang
atau tidak teratur. Proyek ini melibatkan pra-pemrosesan data, rekayasa fitur,
pelatihan model, penyetelan hyperparameter, hyperparameter tuning dan evaluasi
kinerja model. Hasilnya menunjukkan efektivitas algoritma XGBoost, Random
Forest, LightGBM, Artificial Neural Network dalam mendeteksi dan
mengklasifikasikan transaksi yang anomali, sehingga berkontribusi pada integritas
keseluruhan sistem perbankan.