eprintid: 31814
rev_number: 16
eprint_status: archive
userid: 12
dir: disk0/00/03/18/14
datestamp: 2026-06-30 04:05:37
lastmod: 2026-06-30 04:05:37
status_changed: 2026-06-30 04:05:37
type: thesis
metadata_visibility: show
creators_name: Al Asqolani, Muhammad Alghifari
creators_nim: 20.83.0564
contributors_name: Marco, Robert
corp_creators: Universitas AMIKOM Yogyakarta
title: DETEKSI KECURANGAN KEUANGAN DENGAN 
MENGGUNAKAN METODE RANDOM FOREST DAN
XGBOOST PADA DATA YANG TIDAKSEIMBANG
ispublished: pub
subjects: 000.000.000A
subjects: 000.000.003
divisions: tk
full_text_status: restricted
keywords: Deteksi Fraud, Ensemble Machine Learning, Random Forest, 
XGBoost, Data Imbalanced, Fraud Detection,  Imbalanced Data.
abstract: Penelitian ini bertujuan mendeteksi fraud dengan teknik ensemble machine 
learning, khususnya Random Forest (RF) dan Extreme Gradient Boosting
(XGBoost), diterapkan pada dataset Credit Card Fraud Detection Kaggle (284.807
sampel, 0,17% fraud). Proses metodologi mencakup preprocessing melalui
normalisasi dan Synthetic Minority Over-sampling Technique (SMOTE) untuk
menangani ketidakseimbangan, diikuti pelatihan model menggunakan Scikit-learn
serta XGBoost di Python. RF efektif mencegah overfitting lewat bagging,
sementara XGBoost unggul dalam optimasi gradient untuk data skala besar.
Evaluasi dilakukan dengan metrik Area Under the Curve (AUC-ROC), precision,
recall, dan F1-score melalui cross-validation. Hasil menunjukkan XGBoost lebih
superior (AUC-ROC 0,98; precision 0,95; recall 0,92; F1-score 0,93) dibanding RF
(0,96; 0,92; 0,89; 0,90), berkat ketangguhannya terhadap noise. Penelitian
menyimpulkan XGBoost sebagai metode optimal untuk data imbalanced, dengan
saran integrasi SMOTE guna tingkatkan recall hingga 15%. Kontribusi teoritis
memperkaya literatur machine learning di keamanan siber (Al-Hashedi &
Magalingam, 2021), sementara manfaat praktisnya mengurangi kerugian bagi bank
dan fintech, serta mendukung pengembangan model real-time.
date: 2025-12-16
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Al Asqolani, Muhammad Alghifari  (2025) DETEKSI KECURANGAN KEUANGAN DENGAN MENGGUNAKAN METODE RANDOM FOREST DAN XGBOOST PADA DATA YANG TIDAKSEIMBANG.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31814/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31814/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31814/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31814/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31814/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31814/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31814/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31814/8/Sourcecode%20-%2020.83.0564.zip
document_url: https://eprints.amikom.ac.id/id/eprint/31814/9/Publikasi.pdf