Artikel Terbaru

PEMODELAN KLASIFIKASI AKUN PELAKU FRAUD PADA MULTI PLATFORM E-COMMERCE UNTUK MENCEGAH KEJAHATAN SIBER

Oleh   Grawas Sugiharto [23219070]
Kontributor / Dosen Pembimbing : Yudistira Dwi Wardhana Asnar, S.T., Ph.D.;
Jenis Koleksi : S2 - Tesis
Penerbit : STEI - Teknik Elektro
Fakultas : Sekolah Teknik Elektro dan Informatika (STEI)
Subjek :
Kata Kunci : kejahatan siber, e-commerce fraud, naïve bayes, Decision Tree, k-nn, multi platform
Sumber :
Staf Input/Edit : karya  
File : 2 file
Tanggal Input : 2021-03-18 10:48:40

Generic placeholder image

Cover

PUBLIC

Generic placeholder image
Thesis

Terbatas
» ITB


Dewasa ini kejahatan siber semakin marak terjadi di masyarakat. Berdasarkan data yang dihimpun oleh Polri, jumlah kejahatan siber yang meningkat sebesar 6.46% setiap tahunnya dengan penipuan daring atau online fraud sebagai kejahatan yang paling banyak dilaporkan sejumlah 7.892 perkara atau 44.40% dari total perkara yang ditangani. Kerugian akibat kejahatan ini pada periode tahun 2019 mencapai Rp 235,937,867,634.50 yang terjadi pada empat platform yakni email (1.92%), website (13.09%), telekomunikasi (28.66%), dan media sosial (56.33%) dengan modus penipuan penjualan barang secara online (e-commerce fraud) dengan harga jauh lebih murah di bawah harga pasaran. Kejahatan fraud pada e-commerce pun berevolusi menjadi kejahatan terorganisir, yang pelakunya memanipulasi data sedemikian rupa untuk memperoleh kepercayaan dari para korbannya. Oleh karena itu diperlukan adanya common detection model akun pelaku fraud pada berbagai platform e-commerce agar masyarakat terhindar dari penipuan online. Pemodelan kemudian dilakukan dengan menggunakan algoritma klasifikasi Naïve Bayes, Decision Tree dan K-NN dengan variabel rasio data yang berbeda-beda. Dari pengujian model, didapatkan hasil bahwa platform hijau memperoleh kinerja tertinggi menggunakan algoritma KNN dengan nilai akurasi tertinggi sebesar 90.51%; platform merah memperoleh kinerja tertinggi menggunakan algoritma Decision Tree dengan nilai akurasi tertinggi sebesar 96.89%; dan multi platform memperoleh kinerja tertinggi menggunakan algoritma Naïve Bayes dengan nilai akurasi tertinggi sebesar 90.02%