IMPLEMENTASI METODE NAIVE BAYES DAN PARTICLE SWARM OPTIMIZATION (PSO) UNTUK MENDETEKSI KECURANGAN (FRAUD) DALAM KARTU KREDIT

Hasna Razan Alkhansa, - (2023) IMPLEMENTASI METODE NAIVE BAYES DAN PARTICLE SWARM OPTIMIZATION (PSO) UNTUK MENDETEKSI KECURANGAN (FRAUD) DALAM KARTU KREDIT. S1 thesis, Universitas Pendidikan Indonesia.

Baca Full Text klik disini
[img] Text
S_Mat_1900512_Title.pdf
Download (350kB)
[img] Text
S_Mat_1900512_Chapter1.pdf
Download (326kB)
[img] Text
S_Mat_1900512_Chapter2.pdf
Restricted to Staf Perpustakaan
Download (402kB)
[img] Text
S_Mat_1900512_Chapter3.pdf
Download (508kB)
[img] Text
S_Mat_1900512_Chapter4.pdf
Restricted to Staf Perpustakaan
Download (621kB)
[img] Text
S_Mat_1900512_Chapter5.pdf
Download (136kB)
[img] Text
S_Mat_1900512_Appendix.pdf
Restricted to Staf Perpustakaan
Download (418kB)
Official URL: http://repository.upi.edu/

Abstract

Kasus kecurangan (fraud) terus meningkat seiring dengan meningkatnya penggunaan kartu kredit. Meskipun berbagai metode otorisasi telah digunakan, kecurangan kartu kredit masih sulit untuk dihindari. Penelitian ini bertujuan untuk mengidentifikasi kecurangan (fraud) dengan melihat riwayat transaksi kartu kredit menggunakan metode Naive Bayes. Proses pengembangan model penelitian dilakukan dengan menggunakan metodologi CRISP-DM (Cross-Industry Standard Process for Data Mining). Data yang digunakan bersumber dari Bank Simulation atau BankSim, sebuah simulator pembayaran bank berbasis agen yang menghasilkan data sintetik untuk penelitian deteksi penipuan. Pada tahap awal, dilakukan seleksi fitur menggunakan Particle Swarm Optimization (PSO) untuk memilih atribut-atribut yang memiliki pengaruh signifikan terhadap kecurangan. Selanjutnya, metode Naive Bayes digunakan untuk melakukan klasifikasi pada data yang telah diproses. Evaluasi dan validasi dilakukan untuk mengukur kinerja model yang dikembangkan. Hasil penelitian menunjukkan bahwa metode Naive Bayes dan seleksi fitur dengan PSO memperoleh tingkat keberhasilan deteksi dan prediksi yang tinggi, serta tingkat kesalahan yang relatif rendah. Akurasi model Naive Bayes mencapai 92.72%, dengan presisi 93.34%, recall 91.40%, dan tingkat kesalahan memprediksi fraud (fraud prediction error) 6.54%.

Item Type: Thesis (S1)
Additional Information: SINTA ID: Khusnul Novianingsih: 258640 Al Azhary Masta: 6007709
Uncontrolled Keywords: Kecurangan, Kartu Kredit, Naive Bayes, Particle Swarm Optimization, Seleksi Fitur Fraud, Credit Card, Naive Bayes, Particle Swarm Optimization, Feature Selection
Subjects: L Education > L Education (General)
Q Science > QA Mathematics
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan)
Depositing User: Hasna Razan Alkhansa
Date Deposited: 05 Sep 2023 03:45
Last Modified: 05 Sep 2023 03:45
URI: http://repository.upi.edu/id/eprint/101497

Actions (login required)

View Item View Item