Perpustakaan Digital ITB

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.