eprintid: 101497
rev_number: 13
eprint_status: archive
userid: 198002
dir: disk0/00/10/14/97
datestamp: 2023-09-05 03:45:28
lastmod: 2023-09-05 03:45:28
status_changed: 2023-09-05 03:45:28
type: thesis
metadata_visibility: show
creators_name: Hasna Razan Alkhansa, -
creators_nim: NIM1900512
creators_id: hasnarazan04@upi.edu
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Dr. Khusnul Novianingsih, S.Si., M.Si., -
contributors_name: Dr. Al Azhary Masta, M.Si, -
contributors_nidn: NIDN0428117701
contributors_nidn: NIDN0010069001
contributors_id: K_novianingsih@upi.edu
contributors_id: alazhari.masta@upi.edu
title: IMPLEMENTASI METODE NAIVE BAYES DAN PARTICLE SWARM
OPTIMIZATION (PSO) UNTUK MENDETEKSI KECURANGAN (FRAUD) DALAM KARTU KREDIT
ispublished: pub
subjects: L1
subjects: QA
divisions: MAT
full_text_status: restricted
keywords: Kecurangan, Kartu Kredit, Naive Bayes, Particle Swarm
Optimization, Seleksi Fitur
Fraud, Credit Card, Naive Bayes, Particle Swarm Optimization,
Feature Selection
note: SINTA ID:
Khusnul Novianingsih: 258640
Al Azhary Masta: 6007709
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%.
date: 2023-08-21
date_type: published
institution: Universitas Pendidikan Indonesia
department: KODEPRODI44201#Matematika_S1
thesis_type: other
thesis_name: other
official_url: http://repository.upi.edu/
related_url_url: http://perpustakaan.upi.edu
related_url_type: org
citation:   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.   
document_url: http://repository.upi.edu/101497/1/S_Mat_1900512_Title.pdf
document_url: http://repository.upi.edu/101497/2/S_Mat_1900512_Chapter1.pdf
document_url: http://repository.upi.edu/101497/3/S_Mat_1900512_Chapter2.pdf
document_url: http://repository.upi.edu/101497/4/S_Mat_1900512_Chapter3.pdf
document_url: http://repository.upi.edu/101497/5/S_Mat_1900512_Chapter4.pdf
document_url: http://repository.upi.edu/101497/6/S_Mat_1900512_Chapter5.pdf
document_url: http://repository.upi.edu/101497/7/S_Mat_1900512_Appendix.pdf