{
      "keywords": "Machine learning; SVM; K-NN; RF; SMOTE.",
      "department": "PJJ Magister Informatika",
      "metadata_visibility": "show",
      "date_type": "published",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31794",
      "date": "2026-03-04",
      "creators": [
        {
          "nim": "24.55.1581",
          "name": {
            "lineage": null,
            "given": "Chlyfen Richard",
            "family": "Salibana",
            "honourific": null
          }
        }
      ],
      "type": "thesis",
      "userid": 12,
      "thesis_type": "masters",
      "title": "FRAUD DETECTION SYSTEM MENGGUNAKAN SVM, RF, KNN \r\nDENGAN VOTING CLASSIFIER pada AUTOMATIC TELLER MACHINE \r\n(Studi Kasus: Bank Sultra Cabang Pembantu Sao–Sao)",
      "rev_number": 8,
      "abstract": "Arus globalisasi dan kemudahan komunikasi yang terintegrasi internet kini menjadi\r\nsarana yang sangat populer dan diminati banyak orang. Hal ini terlihat terutama\r\ndalam sistem transaksi elektronik, perbankan online, serta metode pembayaran\r\ndigital. Adapun tujuan penelitian ini yaitu untuk menerapkan metode klasifikasi\r\ndengan menguji dan membandingkan antar model SVM, RF, K-NN, dengan voting\r\nclassifier dalam mengembangkan, mengevaluasi dan mendeteksi transaksi\r\nkecurangan yang terjadi secara efektif menggunakan model machine learning (ML)\r\npada BPD Sultra. Fokus penelitian ini untuk mengidentifikasi ciri-ciri transaksi\r\nmencurigakan berdasarkan data yang relevan dan menyusun peningkatan\r\nkeamanaan transaksi. Metode dalam penelitian ini adalah kuantitatif yanng bersifat\r\ndeskriptif dan eksploratif dalam perbandingan model ML yang akan di uji. Hasil\r\npenelitian menunjukkan bahwa: (1). Performa model ML SVM, RF, K-NN dengan\r\nvoting classifier dapat mendeteksi aktivitas kecurangan pada transaksi ATM di\r\nBPD Sultra; (2). Tingkat akurasi dan metrik evaluasi dari ke tiga model ML dalam\r\nmendeteksi kecurangan pada transaksi ATM menunjukkan nilai F1-Score yang\r\npaling baik adalah model algoritmik RF yakni 99%; (3). Penerapan metode\r\nensemble learning dengan SMOTE dapat meningkatkan performa model\r\ndibandingkan dengan model SVM, RF, K-NN tanpa voting classifier secara\r\nindividual. Berdasarkan hasil penelitian saran yang dapat diajukan penulis sebagai\r\nberikut: (1) Penelitian selanjutnya disarankan menggunakan dataset multi-periode\r\nuntuk menguji stabilitas dan konsistensi performa model terhadap variasi pola\r\ntransaksi; (2) Penggunaan SMOTE dalam mensintesis data diperlukan ekplorasi\r\nalternatif seperti ADASYN atau kombinasi undersampling, oversampling untuk\r\nmemvalidasi kekuatan model; dan perlu dilakukan penelitian selanjutnya untuk\r\nmengintegrasikan pendekatan hybrid antara machine learning dengan deep learning\r\ndalam mendeteksi fraud.",
      "lastmod": "2026-06-29 04:36:55",
      "eprint_status": "archive",
      "ispublished": "pub",
      "documents": [
          {
            "content": "published",
            "formatdesc": "THESIS",
            "pos": 1,
            "eprintid": 31794,
            "mime_type": "application\/pdf",
            "format": "text",
            "main": "24.55.1581 Chlyfen Richard Salibana.pdf",
            "rev_number": 2,
            "placement": 1,
            "docid": 319577,
            "security": "public",
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319577",
            "language": "id",
            "files": [
                {
                  "hash_type": "MD5",
                  "filename": "24.55.1581 Chlyfen Richard Salibana.pdf",
                  "mime_type": "application\/pdf",
                  "mtime": "2026-06-29 04:32:54",
                  "datasetid": "document",
                  "hash": "f46ac96f90d347e5c4f26fc3ea1349fb",
                  "objectid": 319577,
                  "filesize": 4202201,
                  "fileid": 1131510,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131510"
                }
            ]
          }
      ],
      "divisions": [
        "PJJ"
      ],
      "dir": "disk0\/00\/03\/17\/94",
      "full_text_status": "public",
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "contributors": [
        {
          "name": {
            "family": "Utami",
            "honourific": null,
            "given": "Ema",
            "lineage": null
          }
        }
      ],
      "subjects": [
        "000.000.000A",
        "000.000.004"
      ],
      "thesis_name": "tesis",
      "datestamp": "2026-06-29 04:36:55",
      "status_changed": "2026-06-29 04:36:55",
      "institution": "Universitas AMIKOM Yogyakarta",
      "eprintid": 31794
    }