UI - Tesis Membership :: Kembali

UI - Tesis Membership :: Kembali

Pemanfaatan big data analytics dalam mendeteksi indikasi pencucian uang = Big data analytics application in detecting money laundering indications

Dinna Arifiyanti; Rizky Luxianto, supervisor; Athor Subroto, examiner; Arga Hananto, examiner (Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2018)

 Abstrak

ABSTRAK
Pencucian uang merupakan fenomena umum yang terjadi di seluruh dunia. Sektor keuangan seperti lembaga perbankan merupakan titik kontak tingkat pertama dalam pencucian uang. Untuk itu, setiap bank perlu melakukan pemantauan terhadap kegiatan transaksi nasabahnya melalui penyimpanan data arus transaksi. Penerapan teknik lanjutan dari big data analytics sepeti data mining dapat digunakan sebagai teknik untuk mendeteksi indikasi pencucian uang, Pada penelitian ini, penulis menganalisis data transaksi pada sebuah rekening nasabah di Bank menggunakan teknik statistik deskriptif, regresi, dan visualisasi untuk mengetahui pola yang terjadi pada data histori dan mengidentifikasi transaksi anomali. Hasil interpretasi analisis regresi menunjukkan pada saat tertentu, waktu berpengaruh secara signifikan terhadap jumlah transaksi. Hasil penelitian akhirnya menunjukkan adanya penyimpangan pola transaksi yang mengarah pada adanya indikasi pencucian uang dalam rekening nasabah tersebut.

ABSTRACT
Money laundering is a common phenomenon that occurs all over the world. The financial sector such as banking institutions is the first point of contact in money laundering. Therefore, every bank needs to monitor its customers 39 transaction activities through storage of transaction flow data. Application of advanced techniques of big data analytics such as data mining can be used as a technique to detect money laundering indications. In this study, a set of a customer rsquo s transaction data in a bank is being analysed using descriptive statistics, regression, and visualization techniques to observe the patterns that occur in historical data and to identify anomalous transactions. Regression analysis interpretation showed that time had significant impact on transaction amount. The result of the research finally showed an existence of unusual transaction pattern which led to an indication of money laundering in the customer 39 s account.

 File Digital: 1

Shelf
 T50500-Dinna Arifiyanti .pdf :: Unduh

LOGIN required

 Metadata

Jenis Koleksi : UI - Tesis Membership
No. Panggil : T50500
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Program Studi :
Subjek :
Penerbitan : Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2018
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : unmediated ; computer
Tipe Carrier : volume ; online resource
Deskripsi Fisik : xiii, 76 pages : illustration ; 28 cm + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI, Lantai 3
  • Ketersediaan
  • Ulasan
  • Sampul
No. Panggil No. Barkod Ketersediaan
T50500 15-18-412338350 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20477173
Cover