@prefix xsd: . @prefix epid: . @prefix skos: . @prefix dc: . @prefix event: . @prefix geo: . @prefix dct: . @prefix foaf: . @prefix rdfs: . @prefix owl: . @prefix bibo: . @prefix eprel: . @prefix ep: . @prefix cc: . @prefix void: . @prefix rdf: . <> foaf:primaryTopic ; rdfs:comment "The repository administrator has not yet configured an RDF license."^^xsd:string . dct:hasPart ; ep:hasFile ; rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL (Text)"^^xsd:string . dct:hasPart ; ep:hasFile ; rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL (Text)"^^xsd:string . dct:hasPart ; ep:hasFile ; rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL (Archive)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL (Text)"^^xsd:string . rdf:_1 . <> ; bibo:abstract "erkembangan sistem keuangan digital mendorong peningkatan volume\r\ntransaksi yang signifikan, namun sekaligus menimbulkan risiko fraud yang\r\nsemakin kompleks. Sistem deteksi fraud berbasis machine learning yang ada saat\r\nini umumnya menerapkan pendekatan klasifikasi biner untuk menentukan apakah\r\nsuatu transaksi tergolong fraud atau bukan. Pendekatan ini memiliki keterbatasan\r\ndalam konteks operasional nyata, karena tidak mampu memberikan informasi\r\nprioritas investigasi bagi tim analis ketika menghadapi ribuan transaksi yang\r\nterdeteksi setiap harinya.\r\nPenelitian ini mengimplementasikan metode Learning to Rank berbasis\r\nalgoritma LambdaMART untuk mengidentifikasi dan memeringkat risiko transaksi\r\nfraud pada sistem keuangan digital. Dataset yang digunakan adalah Credit Card\r\nFraud Detection dari Kaggle yang memuat 284.807 transaksi dengan proporsi fraud\r\nsebesar 0,17%. Data dibagi menggunakan time-based split (70% latih, 15%\r\nvalidasi, 15% uji) dan dikelompokkan dalam Query berbasis jendela waktu satu\r\njam. Arsitektur Dual Pipeline dikembangkan untuk membandingkan dua\r\npendekatan, yaitu Pure LambdaMART yang dilatih menggunakan fitur asli, dan\r\nHybrid LTR yang menggabungkan fitur asli dengan skor probabilitas Out-of-Fold\r\n(OOF) dari XGBoost Classifier yang ditransformasi menggunakan fungsi logit.\r\nKinerja model dievaluasi menggunakan metrik pemeringkatan Normalized\r\nDiscounted Cumulative Gain (NDCG), Precision, Recall, dan Mean Average\r\nPrecision (MAP).\r\nHasil penelitian menunjukkan bahwa model Hybrid LTR terbukti lebih\r\nunggul dalam memprioritaskan transaksi fraud dibandingkan model Pure\r\nLambdaMART dan baseline klasifikasi, dengan mencapai skor NDCG@10\r\ntertinggi sebesar 0,816. Pendekatan hibrida ini membuktikan bahwa integrasi\r\nekstraksi pola penipuan secara global dengan optimasi urutan secara lokal mampu\r\nmenghasilkan daftar prioritas investigasi yang efektif dan adaptif bagi lembaga\r\nkeuangan dan perusahaan fintech."^^xsd:string; bibo:authorList ; bibo:status ; dc:hasVersion , , , , , , , , ; dct:creator , ; dct:date "2026-05-20"; dct:isPartOf ; dct:issuer , ; dct:subject ; dct:title "IMPLEMENTASI LEARNING TO RANK DALAM\r\nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM\r\nKEUANGAN DIGITAL"^^xsd:string; ep:hasDocument , , , , , , , , ; ep:hasPublished , , , , , , , , ; rdf:type bibo:Article, bibo:Thesis, ep:EPrint, ep:ThesisEPrint; rdfs:seeAlso . rdf:type skos:Concept; skos:prefLabel "000 Ilmu komputer, informasi dan pekerjaan umum"@en . rdfs:label "COVER.pdf"^^xsd:string . rdfs:label "BAB I.pdf"^^xsd:string . rdfs:label "BAB V.pdf"^^xsd:string . dc:format "text/html"; dc:title "HTML Summary of #33140 \n\nIMPLEMENTASI LEARNING TO RANK DALAM \nIDENTIFIKASI RISIKO TRANSAKSI FRAUD PADA SISTEM \nKEUANGAN DIGITAL\n\n"; foaf:primaryTopic . dct:isPartOf ; foaf:name "Fakultas Ilmu Komputer, Universitas AMIKOM Yogyakarta"^^xsd:string; rdf:type foaf:Organization . dct:hasPart ; foaf:name "Universitas AMIKOM Yogyakarta"^^xsd:string; rdf:type foaf:Organization . foaf:familyName "Mu'thi"^^xsd:string; foaf:givenName "Azizi Egatri"^^xsd:string; foaf:name "Azizi Egatri Mu'thi"^^xsd:string; rdf:type foaf:Person . foaf:familyName "-"^^xsd:string; foaf:givenName "Hartatik"^^xsd:string; foaf:name "Hartatik -"^^xsd:string; rdf:type foaf:Person .