@phdthesis{repoupi101497,
           title = {IMPLEMENTASI METODE NAIVE BAYES DAN PARTICLE SWARM
OPTIMIZATION (PSO) UNTUK MENDETEKSI KECURANGAN (FRAUD) DALAM KARTU KREDIT},
           month = {August},
            year = {2023},
            note = {SINTA ID:
Khusnul Novianingsih: 258640
Al Azhary Masta: 6007709},
          school = {Universitas Pendidikan Indonesia},
        keywords = {Kecurangan, Kartu Kredit, Naive Bayes, Particle Swarm
Optimization, Seleksi Fitur
Fraud, Credit Card, Naive Bayes, Particle Swarm Optimization,
Feature Selection},
        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\%.},
             url = {http://repository.upi.edu/},
          author = {Hasna Razan Alkhansa, -}
}