{SKEMA PROFESIONAL} PENERAPAN ALGORITMA REGRESI LOGISTIK DAN RANDOM FOREST DALAM MENDETEKSI TRANSAKSI FRAUD

Badraham, Anang Sandrhyno (2022) {SKEMA PROFESIONAL} PENERAPAN ALGORITMA REGRESI LOGISTIK DAN RANDOM FOREST DALAM MENDETEKSI TRANSAKSI FRAUD. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (560kB)
[img] Text (BAB I)
BAB I.pdf
Download (271kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (773kB)
[img] Text (BAB III)
BAB III.pdf
Download (33kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (66kB)
[img] Text (LAMPIRAN)
Lampiran.pdf
Restricted to Registered users only
Download (341kB)
[img] Archive (SOURCE CODE)
(skema profesional) Source Code 19.12.1354 Anang Sandrhyno Badraham 1354.zip
Restricted to Repository staff only
Download (52MB)
[img] Text (PUBLIKASI)
(skema profesional) Publikasi 19.12.1354 Anang Sandrhyno Badraham 1354.pdf
Restricted to Repository staff only
Download (307kB)

Abstract

Fraud adalah penipuan yang disengaja untuk mendapat keuntungan. Upaya untuk mendeteksi penipuan transaksi keuangan dapat menggunakan machine learning dengan mengambil data transaksi keuangan secara elektronik. Hal ini dapat membantu mencegah terjadinya penipuan. Tujuan penelitian ini diantaranya untuk mengetahui feature important atau variabel apa saja yang berpengaruh signifikan terhadap variabel dependen yaitu fraud, untuk mengetahui nilai akurasi klasifikasi label fraud dengan algoritma regresi logistik dan random forest dan untuk memprekdiksi transaksi yang telah terjadi dengan aplikasi berbasis website Untuk melakukan deteksi penipuan digunakan algoritma regresi logistik dan random forest melalui lima langkah: business understanding, data preparation, visualisasi, modeling dan deploying website. Variabel yang berpengaruh signifikan terhadap variabel fraud adalah Transaction Amount, Pos Entry Mode, Card Present, MatchCVV, Transaction Type. Pemodelan regresi logistik memiliki performa yang baik dengan nilai akurasi 98%, pemodelan regresi logistik dengan menggunakan SMOTE mendapat nilai akurasi sebesar 73%. Sementara pemodelan random forest juga memiliki performa yang baik dengan nilai akurasi 97% dan pemodelan random Forest menggunakan SMOTE mendapatkan nilai akurasi sebesar 55% dan Aplikasi berbasis website dengan nama Credit Card Fraud Detection dapat memprediksi transaksi fraud setelah terjadinya sebuah transaksi.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Pristyanto, Yoga
Uncontrolled Keywords: Fraud, Machine Learning, Regresi Logistik, Random Forest
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 02 Jan 2023 06:36
Last Modified: 29 Jul 2023 04:15
URI: http://eprints.amikom.ac.id/id/eprint/13987

Actions (login required)

View Item View Item