Perpustakaan Digital ITB

Jumlah nasabah Fintech Lending di Indonesia pada akhir tahun 2024 telah mencapai 21,98 juta nasabah yang tersebar pada berbagai kelompok usia. Di satu sisi, peningkatan jumlah nasabah memberikan kontribusi bagi perekonomian, namun di sisi lainnya juga membawa risiko fraud yang dapat merugikan kedua belah pihak. Salah satu modus operandi yang paling umum terjadi pada Fintech Lending adalah pengajuan kredit fiktif menggunakan identitas curian yang berkontribusi pada tingkat Non-Performing Loan (NPL) dari Fintech Lending. Untuk meminimalkan potensi kerugian yang diakibatkan oleh kejadian fraud, OJK sebagai regulator telah mewajibkan Fintech Lending untuk menerapkan Strategi Anti Fraud (SAF) dengan salah satu pilarnya, yaitu pendeteksian fraud. Pendeteksian fraud pada Fintech Lending dapat dilakukan menggunakan GNN terhadap graf social financial yang terbentuk dari hubungan antar nasabah. Simpul pada graf merepresentasikan nasabah dan sisi pada graf menyatakan hubungan kontak darurat dari nasabah tersebut. Beberapa penelitian telah dilakukan untuk memanfaatkan mekanisme attention pada GNN untuk mendeteksi nasabah fraud. Namun demikian, mekanisme attention berpotensi untuk menimbulkan derau dan meningkatkan kompleksitas dari model. Penelitian ini menggunakan mekanisme gating sebagai alternatif dari mekanisme attention. Mekanisme gating dilakukan pada dua tahapan (dual-gated) untuk menghasilkan node embedding, yaitu pada proses agregasi informasi simpul tetangga dan tahapan update informasi simpul. Hasil eksperimen pada dataset DGraph menunjukkan bahwa model yang dibangun memiliki nilai ROC-AUC 0,8538±0,0009, yaitu meningkat sebanyak 0,0079 dari model baseline. Selain itu, model juga berhasil menurunkan jumlah parameter menjadi hanya 40% dari model baseline sehingga proses training dapat dilakukan menggunakan GPU dengan kapasitas yang lebih rendah dibandingkan model baseline. Hasil eksperimen juga menunjukkan bahwa model yang dibangun memiliki waktu inferensi yang rendah, yaitu 0,24 detik pada graf dengan 3,7 juta simpul dan 4,3 juta sisi sehingga memungkinkan untuk melakukan pendeteksian secara real-time.