UI - Tugas Akhir :: Kembali

UI - Tugas Akhir :: Kembali

Pemodelan deteksi Fraud pada transaksi ATM: Studi kasus PT Bank XYZ = Fraud detection Modelling on ATM Transaction: Case Study PT Bank XYZ

Noperida Damanik; Achmad Nizar Hidayanto, supervisor; Rizal Fathoni Aji, examiner; Betty Purwandari, examiner (Fakultas Ilmu Komputer Universitas Indonesia, 2021)

 Abstrak

Bank adalah salah satu industri keuangan. Sebagai industri keuangan yang melayani
nasabah, ada risiko yang terjadi pada bank. Salah satu risiko yang sering terjadi dan
menyebabkan kerugian di bank adalah fraud dalam bentuk skimming pada transaksi tarik
tunai ATM. Penelitian ini dilakukan untuk mengetahui pemodelan data mining yang
dapat digunakan untuk mendeteksi fraud skimming di salah satu bank. Tujuan dari
penelitian ini adalah memberikan referensi dalam mencari pemodelan deteksi fraud.
Karakteristik data yang digunakan adalah imbalanced data karena data transaksi fraud
sangat kecil dibandingkan dengan data transaksi normal. Metode yang digunakan pada
penelitian ini adalah tinjauan pustaka, wawancara dan eksperimen terhadap teknik
machine learning. Pembentukan model pada penelitian ini dilakukan dengan
mengimplementasikan kombinasi dari penggunaan feature selection dan tanpa feature
selection, penggunaan SMOTE dan tanpa SMOTE, serta penggunaan feature engineering
dan tanpa feature engineering dengan jarak dan jeda transaksi sehingga diperoleh delapan
scenario dari hasil kombinasi. Hasil dari penelitian ini menunjukkan bahwa dari seluruh
skenario yang diuji coba, algoritma Extreme Gradient Boosting merupakan algoritma
terbaik dalam menghasilkan model deteksi fraud. Skenario terbaik yang dihasilkan adalah
skenario dengan mengimplementasikan ketiga teknik sekaligus yaitu feature selection,
SMOTE dan feature engineering dengan jarak dan jeda transaksi. Berdasarkan hasil
evaluasi model, pembentukan model dengan feature engineering dengan jarak dan jeda
transaksi dapat meningkatkan performa model klasifikasi.

Bank is one of financial industry. As a financial industry that serve customers, bank is
potentially exposed to risk. One of potentially risk that making loss in bank is fraud in
form of skimming on ATM transaction. This study is conducted to know data mining
modelling that can be used to detect skimming fraud in a bank. The purpose of this study
is to provide reference in looking for fraud detection modelling. The characteristics of the
data used in this study is imbalanced data since fraud transaction data is very small
compared to normal transaction data. The method used in this study is the literature
review, semi-structured interviews, and experiments on machine learning techniques.
Creating model on this study is conducted by implementing combination of three used
techniques namely feature selection, SMOTE, and feature engineering with distance and
transaction lag. There are eight scenarios used in this study that were tested and analyzed
the results according to the needs of the case study research. The results of this study
indicate that the Extreme Gradient Boosting algorithm can identify fraudulent
transactions. The best scenario is a scenario by creating a model that implements feature
selection, SMOTE to handle imbalanced data, and feature engineering with distance and
transaction lag. Based on model evaluation, model generation by implementing feature
engineering with distance and transaction lag can improve performance of classification
model.

 File Digital: 1

Shelf
 TA-Noperida Damanik.pdf :: Unduh

LOGIN required

 Metadata

Jenis Koleksi : UI - Tugas Akhir
No. Panggil : TA-pdf
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Program Studi :
Subjek :
Penerbitan : Jakarta: Fakultas Ilmu Komputer Universitas Indonesia, 2021
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : computer
Tipe Carrier : online resource
Deskripsi Fisik : xii, 113 pages : illustration + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI
  • Ketersediaan
  • Ulasan
  • Sampul
No. Panggil No. Barkod Ketersediaan
TA-pdf 16-22-26880406 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20518004
Cover