Perpustakaan Digital ITB

Maraknya insiden transaksi fraud menuntut organisasi finansial (seperti bank) untuk mengembangkan cara mendeteksi transaksi fraud untuk menghindari kerugian yang timbul akibat transaksi tersebut. Salah satu solusinya adalah sistem pendeteksi transaksi fraud berbasis pembelajaran mesin, Dalam menyelesaikan masalah tersebut, metodologi yang digunakan adalah CRISP-DM. Berbagai algoritme pembelajaran mesin telah dicoba untuk mengklasifikasikan transaksi fraud. Algoritme Support Vector Machine menjadi salah satu alternatif yang dapat digunakan. Metode Kernel radial based function menjadi yang paling sesuai dengan karakteristik data transaksi fraud dibandingkan metode lainnya. Pengembangan sistem pendeteksi transaksi fraud dilakukan secara dua tahap, tahap pertama adalah praproses data dan tahap kedua adalah optimasi hyperparameter. Hasil pengujian model machine learning ini menghasilkan kinerja dengan nilai nilai ukur akurasi mencapai 99,9%, presisi mencapai 73%, recall mencapai 97,9%, skor f1 mencapai 83.6%, dan area kurva precisonrecall mencapai 0,778 dan false positive rate mencapai 0.01%.