Implementasi Algoritma SMOTE Dan Klasifikasi Decision Tree Untuk Mendeteksi Kecurangan Transaksi Online

Mina, Nora (2024) Implementasi Algoritma SMOTE Dan Klasifikasi Decision Tree Untuk Mendeteksi Kecurangan Transaksi Online. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (cover) 20081010042.-cover 2.pdf Download (1MB)
	Text (bab 1) 20081010042.-bab1.pdf Download (91kB)
	Text (bab 2) 20081010042.-bab2.pdf Restricted to Repository staff only until 2026. Download (271kB)
	Text (bab 3) 20081010042.-bab3.pdf Restricted to Repository staff only until 2026. Download (318kB)
	Text (bab 4) 20081010042.-bab4.pdf Restricted to Repository staff only until 2026. Download (1MB)
	Text (bab 5) 20081010042.-bab5.pdf Download (75kB)
	Text (daftar pustaka) 20081010042.daftarpustaka.pdf Download (134kB)

Abstract

Industri keuangan mengalami transformasi signifikan dengan meningkatnya transaksi online melalui platform e-commerce, perbankan digital, dan layanan pembayaran online. Namun, bersamaan dengan kenyamanan yang ditawarkan, muncul tantangan serius dalam bentuk kecurangan transaksi online, yang dapat merugikan konsumen dan merusak integritas sistem pembayaran. Deteksi kecurangan transaksi online menjadi krusial untuk melindungi konsumen dan menjaga integritas ekosistem bisnis online. Permasalahan ketidakseimbangan dataset dapat mempengaruhi kinerja prediksi klasifikasi. Untuk menyeimbangkan data, pendekatan oversampling yang digunakan dalam penelitian menggunakan metode SMOTE. Tujuan dari penelitian ini ialah menganalisis kinerja algoritma SMOTE dan klasifikasi decision tree dalam menangani masalah ketidakseimbangan data transaksi curang. Penelitian dilakukan dengan 3 skenario yang dibedakan dari tanpa dan dengan SMOTE, penambahan kelas minoritas setengah dan sama dengan kelas mayoritas. Hasil penelitian menunjukkan tanpa menggunakan metode SMOTE pada split 60% data latih dan 40% data uji mendapatkan nilai recall 32%menunjukkan model sangat kurang baik dalam mengklasifikasikan kedua kelas. Sedangkan penggunaan metode SMOTE menunjukkan seluruh nilai metrik sempurna dan stabil pada nilai 99% dan mendapatkan nilai recall hingga 100%. Namun dengan nilai metrik yang sempurna penambahan data sintesis dari SMOTE yang digunakan kurang dalam mempertahankan data asli sehingga meningkatkan jumlah false negatives. Hasil evaluasi k�fold cross validation pada seluruh model skenario pengujian mendapatkan nilai akurasi yang juga tinggi dengan nilai 99%. Maka dapat disimpulkan, pemilihan model ini sangat cocok dalam dataset transaksi online.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Mandyartha, Eka Prakarsa	NIDN0725058805	eka_prakarsa.fik[at]upnjatim.ac.id
Thesis advisor	Rizki, Agung Mustika	NIDN0025079302	agung.mustika.if[at]upnjatim.ac.id

Subjects:

T Technology > TA Engineering (General). Civil engineering (General)
T Technology > TN Mining engineering. Metallurgy

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Nora Mina -

Date Deposited:

19 Jul 2024 07:21

Last Modified:

19 Jul 2024 07:21

URI:

https://repository.upnjatim.ac.id/id/eprint/26578