Perpustakaan Digital ITB

Salah satu metode transaksi digital yang marak saat ini selain e-banking dan m-banking adalah mobile money atau uang seluler. Selain potensi yang dimilikinya, namun pemanfaatan mobile money menghadapi berbagai tantangan. Khususnya terkait keamanan, berbagai macam upaya kecurangan atau penipuan merupakan risiko tersendiri bagi pengguna dan penyedia layanan transaksi finansial. Dalam pengerjaan tugas ini, digunakan algoritme berbasis decision tree, yaitu CART, Random Forest dan XGBoost (Extreme Gradient Boosting). Penerapan algoritme dilakukan dalam lima tahap, yakni pemahaman kebutuhan bisnis, pemahaman data, praproses data, optimisasi parameter dan pemodelan, serta evaluasi. Ketiga model diterapkan pada dataset PaySim dan dievaluasi menggunakan empat metrik berbeda, yakni F1 score, precision, recall, dan specificity, dengan metrik recall dan specificity sebagai standar utama. Hasil dari penelitian ini menunjukkan bahwa ketika diterapkan pada data uji PaySim, algoritme XGBoost memberikan hasil yang lebih baik daripada algoritme decision tree dan random forest. Namun, ketika diterapkan pada data uji backtesting ketiga algoritme memberikan hasil yang kurang baik karena menghasilkan specificity yang rendah