Hasil Pencarian  ::  Simpan CSV :: Kembali

"Jenis usaha perasuransian PT XYZ dibagi menjadi dua yaitu asuransi kesehatan dan asuransi jiwa. Salah satu risiko yang terjadi dan berdampak pada kerugian perasuransian adalah kecurangan atau fraud yang dilakukan pihak tertentu untuk memperoleh keuntungan sepihak. Penelitian ini dilakukan untuk membuat pemodelan data mining yang digunakan untuk mendeteksi fraud pada asuransi kesehatan. Tujuan dari penelitian ini adalah memperoleh algoritma model berbasis data mining yang dapat mendeteksi fraud pada transaksi klaim peserta di PT XYZ. Karakteristik data yang digunakan bersifat imbalanced, karena jumlah data fraud yang digunakan tidak sebesar jika dibandingkan dengan data yang bersifat normal. Pembentukan model pada penelitian ini dilakukan dengan 32 skenario, dengan hasil terbaik skenario dengan penerapan feature engineering, feature selection, oversampling dan uji validasi menggunakan 20­-fold cross validation. Adapun hasil dari skenario tersebut menghasilkan algoritma random forest yang memiliki nilai akurasi paling baik yaitu 99,3% dengan didukung oleh nilai presisi, recall, dan f1 scores masing-masing, 99,3%, 99,3%, dan 99,3%. Hasil akhir dari penelitian ini memperlihatkan bahwa teknik feature engineering dengan penambahan atribut is_dr_speciality, memiliki kontribusi terhadap nilai akurasi model.

---

The type of insurance business of PT XYZ is divided into two, namely health insurance and life insurance. One of the risks that occur and impact insurance losses is fraud committed by certain parties to obtain unilateral benefits. This research was conducted to create a data mining model used to detect fraud in health insurance. The purpose of this study is to obtain a data mining-based model algorithm that can detect fraud in participant claims transactions at PT XYZ. The characteristics of the data used are imbalanced because the amount of fraud data used is not as much as compared to normal data. The model formation in this study was carried out with 32 scenarios, with the best results being the scenario by applying feature engineering, feature selection, oversampling, and validation tests using 20-fold cross-validation. This scenario resulted in the random forest algorithm having the best accuracy value of 99.3%, supported by precision, recall, and f1 scores, 99.3%, 99.3%, and 99.3%. The final result of this study shows that the feature engineering technique with the addition of the is_dr_speciality attribute has contributed to the model's accuracy value."

"Bank adalah salah satu industri keuangan. Sebagai industri keuangan yang melayaninasabah, ada risiko yang terjadi pada bank. Salah satu risiko yang sering terjadi danmenyebabkan kerugian di bank adalah fraud dalam bentuk skimming pada transaksi tariktunai ATM. Penelitian ini dilakukan untuk mengetahui pemodelan data mining yangdapat digunakan untuk mendeteksi fraud skimming di salah satu bank. Tujuan daripenelitian ini adalah memberikan referensi dalam mencari pemodelan deteksi fraud.Karakteristik data yang digunakan adalah imbalanced data karena data transaksi fraudsangat kecil dibandingkan dengan data transaksi normal. Metode yang digunakan padapenelitian ini adalah tinjauan pustaka, wawancara dan eksperimen terhadap teknikmachine learning. Pembentukan model pada penelitian ini dilakukan denganmengimplementasikan kombinasi dari penggunaan feature selection dan tanpa featureselection, penggunaan SMOTE dan tanpa SMOTE, serta penggunaan feature engineeringdan tanpa feature engineering dengan jarak dan jeda transaksi sehingga diperoleh delapanscenario dari hasil kombinasi. Hasil dari penelitian ini menunjukkan bahwa dari seluruhskenario yang diuji coba, algoritma Extreme Gradient Boosting merupakan algoritmaterbaik dalam menghasilkan model deteksi fraud. Skenario terbaik yang dihasilkan adalahskenario dengan mengimplementasikan ketiga teknik sekaligus yaitu feature selection,SMOTE dan feature engineering dengan jarak dan jeda transaksi. Berdasarkan hasilevaluasi model, pembentukan model dengan feature engineering dengan jarak dan jedatransaksi 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."

"Kerangka kerja konseptual mengenai praktik Audit Internal telah dikeluarkan oleh The Institute of Internal Auditor dimana Auditor Internal harus memiliki pengetahuan yang memadai untuk mengevaluasi risiko fraud dan cara organisasi mengelola risiko tersebut. Sehingga Audit Internal turut mempunyai peran dalam mencegah dan mendeteksi fraud. Walaupun pencegahan dan pendeteksian fraud merupakan tanggung jawab manajemen perusahaan, Auditor Internal diharapkan dapat melakukan dua hal tersebut sebagai bagian dari pelaksanaan tugas manajemen.Penelitian ini mengkaji penerapan program pencegahan dan pendeteksian fraud serta peran Audit Internal dalam mendukung efektivitas Fraud Management Program yang ada di perusahaan dengan metode penelitian kualitatif deskriptif dan pendekatan studi kasus. Observasi, wawancara dan studi dokumentasi digunakan dalam proses pengumpulan data.Hasil penelitian ini menjelaskan bahwa manajemen telah memiliki struktur pengendalian yang cukup baik dalam pencegahan dan pendeteksian fraud dan Audit Internal sudah berperan secara menyeluruh dalam semua komponen pembentuk effective Fraud Management Program.

---

Internal Audits Professional Practices Framework has been issued by The Institute of Internal Auditors, stated that Internal Auditors must have sufficient knowledge to evaluate the risk of fraud and the manner in which it is managed by the organization. Thus, Internal Audit also has a role in fraud prevention and detection. Although the responsibility in fraud prevention and detection addressed to the management, Internal Audit is expected to conduct those activities as part of the managements task force.

This study examines the application of fraud prevention and detection program and the role of Internal Audit in improving the effectiveness of Fraud Management Program in place by using qualitative descriptive research method and using case study approach. Observation, interview and documentation studies are used in data collection method.

As result explains that currently the management already has sufficient control structure in preventing and detecting fraud and Audit Internal has played a comprehensive role in all components that forming the effective Fraud Management Program."

"ABSTRAKLaporan keuangan memiliki peranan yang penting bagi penggunanya dalam mengambil keputusan. Pentingnya fungsi dari laporan keuangan menyebabkan banyak pihak ingin melakukan tindak kecurangan seperti menyajikan dan merekayasa nilai material dari laporan keuangan untuk mendapatkan keuntungan. Kecurangan pada laporan keuangan menimbulkan kerugian yang tidak sedikit, yakni sekitar US$1,000,000. Kegiatan audit perlu dilakukan untuk mencegah kerugian tersebut, tetapi jumlah auditor yang tersedia saat ini terbatas, serta waktu audit tradisional yang dibutuhkan tidaklah sebentar. Pendekatan data mining yakni Support Vector Machine (SVM) serta Artificial Neural Network (ANN) digunakan untuk mendeteksi kecurangan pada laporan keuangan. ANN menghasilkan akurasi tertinggi untuk data tanpa feature selection, sedangkan SVM unggul pada data dengan feature selection

---

ABSTRACTFinancial statement has an important role for its users in taking decisions. The importance of the functions of the financial report caused many parties want to do acts of cheating like presents and manipulates the material value of the financial statements for profit. Cheating on financial statements result in losses that are not few, approximately US$1,000,000. Audit activities need to be done to prevent such losses, but the number of Auditors currently available is limited, and the time required for traditional audit is quite long. Data mining approaches like Support Vector Machine (SVM) and Artificial Neural Network (ANN) is used to detect fraud on financial statements. ANN produces the highest accuracy for data without feature selection, whereas the SVM excels at data with feature selection"

"ABSTRAKKredit bermasalah atau non performing loan NPL merupakan salah satu indikator penilaian performa sebuah bank dalam menjalankan program kredit kepada nasabahnya. Peningkatan rasio NPL pada PT. Bank XYZ pada tahun 2016 memberikan dampak kerugian yang sangat besar bagi perusahaan. Tinggi atau rendahnya rasio NPL erat kaitannya dengan tingkat kepatuhan debitur dalam menyelesaikan kewajibannya sesuai dengan perjanjian yang ada. Peningkatan rasio NPL tersebut berasal dari berbagai sektor kredit termasuk kredit kepemilikan rumah KPR. Tercatat pada awal tahun 2017 terdapat 16,15 nasabah yang memiliki kredit tidak lancar pada kredit KPR FLPP. Kualitas kredit yang buruk memberikan kerugian pada Bank XYZ. Untuk mengatasi masalah tersebut, pada penelitian ini digunakan teknik data mining untuk melakukan penilaian risiko calon nasabah kredit. Teknik data mining decision tree, support vector machine dan na ve bayes digunakan untuk melakukan penilaian risiko kualitas kredit calon nasabah. Teknik ensemble classification adaptive boosting dan bagging juga digunakan untuk meningkatkan performa dari model klasifikasi dasar. Pemodelan dilakukan dengan menggunakan data nasabah KPR FLPP. Evaluasi penelitian dilakukan menggunakan teknik k-fold cross validation. Hasil dari penelitian menunjukkan model klasifikasi yang dihasilkan oleh metode base classification decision tree merupakan model yang terbaik pada kasus ini. Hasil dari pemodelan dapat digunakan dalam menilai potensi calon nasabah apakah akan menjadi nasabah yang mempunyai kualitas kredit baik atau buruk.

---

ABSTRACTNon performing loan NPL is one of some indicators that can be used to measure the performance of bank in running a credit program to its customer. Bank XYZ rsquo s NPL rate increased in 2016 brought a huge loss to the organization. High or low NPL rate in the bank is closely related to the level of compliance of its customer in fulfilling their obligation based on agreement. The increment of NPL came from several sectors including the mortgage sector. In the beginning of 2017, there are 16.15 of customer have bad credit performance of FLPP mortgage program. Bad quality can bring loss to the Bank XYZ. To resolve that problem, data mining technique is used in order to assess the credit risk of prospect customer. Data mining techniques such decision tree, support vector machine SVM and na ve bayes are used to score the credit risk of the prospect customer. Ensemble classification technique such adaptive boosting and bagging are used as well to improve the performance of base classification rsquo s model. Modelling uses the historical customer data of FLPP mortgage program. The technique of evaluation in this research uses k fold cross validation. The result of this research shows classifiers from base classification decision tree has the best result amongst the other models in this case. The best models can be used to score the potential of prospect customer whether they will be having good credit or bad credit."

"Penelitian ini bertujuan untuk melakukan identifikasi skema/skenario fraud yangberpotensi terjadi pada perusahaan dan memberikan usulan perbaikan atas risikoyang teridentifikasi dan rekomendasi strategi anti fraud yang sesuai denganperaturan OJK untuk meminimalkan terjadinya risiko fraud di dalam perusahaan.Pendekatan penelitian (research method) yang dilakukan bersifat studi kasus ataumetode kualitatif. Data yang diperoleh dalam penelitian yang dilakukan berasal darisumber data primer dan sumber data sekunder, yaitu dengan cara interview atauwawancara, observasi, serta studi dokumen atau document review. Hasil penelitianmenyimpulkan bahwa dari hasil fraud risk assessment atas proses bisnis,didapatkan ada 8 (delapan) skenario fraud yang dapat terjadi pada prosespenerimaan aplikasi kredit dengan risiko fraud yang harus ditindak lanjuti adalah88% dan 9 (sembilan) skenario fraud yang dapat terjadi pada proses penagihanpiutang dengan risiko fraud yang harus ditindaklanjuti sebesar 78%. Penelitimerekomendasikan usulan pengendalian internal atas skema/skenario fraud yangteridentifikasi dan telah menyusun strategi anti fraud dengan menggunakankerangka dari OJK yang telah disesuaikan dengan kondisi PT XYZ Finance.

---

This study aims to identify fraud schemes/scenarios that could potentially occur in

the company and provide recommendations for improvements to identified risks

and recommendations for anti-fraud strategies in accordance with OJK regulations

to minimize the risk of fraud within the company. The research approach (research

method) carried out is a case study or qualitative method. The data obtained in the

research carried out came from primary data sources and secondary data sources,

namely by means of interviews, observations, and document studies or document

reviews. The results of the study concluded that from the results of the fraud risk

assessment on business processes, there were 8 (eight) fraud scenarios that could

occur in the process of receiving credit applications with a risk of fraud that had to

be followed up by 88% and 9 (nine) fraud scenarios that could occur in the process

of collection of accounts receivable with a risk of fraud had to be followed up by

78%. Researcher recommends a proposal for internal control over identified fraud

schemes/scenarios and has developed an anti-fraud strategy using a framework

from the OJK that has been adjusted to the conditions of PT XYZ Finance"

"PT. XYZ adalah sebuah pasar daring dan salah satu dari empat unicorn teknologi di Indonesia. Untuk menyasar pasar luring, PT. XYZ meluncurkan aplikasi baru Mitra XYZ di awal 2018. Target utama aplikasi ini adalah warung dan toko kelontong tradisional dengan fitur seperti "Belanja Grosir". Namun, target penerimaan Belanja Grosir di akhir 2018 tidak mencapai target. Berdasarkan analisis akar masalah, isu yang berusaha dipecahkan oleh penelitian ini adalah mencari metode sistem rekomendasi produk yang bisa diterapkan bagi pembeli grosir. Penelitian dimulai dari pemahaman data terhadap struktur, karakteristik, hingga fungsinya. Data lalu diproses dan dibersihkan agar bisa menjadi masukan untuk teknik penggalian data. Penggalian data dilakukan menggunakan bahasa pemrograman R dengan paket utama cluster, arules, dan factoextra. Sistem rekomendasi terdiri dari dua tahapan: (1) segmentasi pelanggan dan (2) analisis keranjang belanja. Segmentasi pelanggan dilakukan dengan algoritme klustering CLARA dikombinasikan dengan model LRFM. Hasil segmentasi menemukan bahwa pelanggan Belanja Grosir terbagi ke dalam empat kelompok dengan karakteristik yang berbeda. Berikutnya, analisis keranjang belanja dilakukan untuk setiap empat kelompok ini menggunakan algoritme penggalian pola asosiasi ECLAT. Dari analisis, ditemukan bahwa produk rokok dan kopi sachet mendominasi kombinasi produk yang sering dibeli bersamaan. Berdasarkan informasi ini, PT. XYZ bisa membuat strategi penjualan dan pemasaran melalui rekomendasi produk.

---

PT. XYZ is an online marketplace and one of Indonesian tech unicorns. To acquire offline market, PT. XYZ launched new Mitra XYZ application on early 2018. The main user of this app is traditional mom-and-pop shops with feature like "Groceries Store". Unfortunately, Groceries Store revenue target was not achieved by the end of 2018. Based on the root cause analysis, the main issue that this research try to solve is finding a product recommendation system method for groceries user. The first step is data structure, characteristics, and function understanding. The raw data is then cleaned-up and preprocessed to be put to the data mining processes. The data mining technique is using R framework with main package cluster, arules, and factoextra. The recommendation system is a 2-step process: (1) customer segmentation and (2) market basket analysis. The customer segmentation part is implemented using CLARA clustering algorithm combined with LRFM model. The clustering results show that Groceries Store users are grouped into four clusters with unique characteristics. Next, the market basket analysis part for each of the four clusters is implemented using association rules mining ECLAT algorithm. The analysis show that cigarrettes and stick coffee products dominate the product combinations that are often bought together. Based on these findings, PT. XYZ can develop sales and marketing strategy by utilizing the proposed product recommendation system."

"ABSTRAKPenelitian ini bertujuan untuk mengkaji pemanfaatan algoritma COBWEB dalam data mining untuk menemukenali fraud transaction dan disajikan dalam bentuk yang lebih informatif berdasarkan data riwayat transaksi yang sudah ada. Metode pengujian melalui WEKA digunakan untuk mengevaluasi cluster terbesar pada status pembayaran yang bernilai tidak diproses sebagai indikasi fraud transaction. Data hasil dari pengujian yang dilakukan akan dijadikan masukan untuk dianalisa berdasarkan parameter yang membentuk sebuah transaksi pembayaran online yang sah.Dengan menggunakan analisis cluster dan besar dataset sekitar 5000, didapatkan persentase hasil evaluasi cluster terbaik sebesar 78% dengan pengaturan nilai cutoff pada angka 0.001. Berdasarkan penggunaan 15 sampel data dari cluster terbaik yang berasal dari hasil analisa ditemukan ada 3 pendekatan baru dalam menjelaskan indikasi fraud, yakni (1) Kesamaan penggunaan parameter dalam status ditangguhkan, (2) Kesamaan parameter status ditangguhkan yang juga beririsan langsung dengan status sukses, dan (3) Adanya perubahan terhadap parameter status ditangguhkan secara terpola juga beririsan langsung dengan status sukses dalam jangka waktu yang berdekatan. Pendekatan analisa dengan menggunakan metode statistik digunakan juga dalam penelitian ini sebagai alatbantu untuk menunjang hasil evaluasi dan memberikan tren transaksi.Hasil evaluasi dari metode statistik dengan menggunakan data dari riwayat pembayaran, didapat: Sebesar 2.98% alamat IP dan 2% nominal transaksi menjadi penyebab pembayaran online berstatus ditangguhkan atau tidak diproses.

---

ABSTRACT

This research intends to examine COBWEB algorithm in data mining to identify fraud transaction based on transaction history. Examination was conducted using WEKA method, which focused on analyzing fraud of deferred transaction. Analysis of 5000 data sets with cutoff setting at 0,001 resulted that the best cluster has 78% of percentage.

Furthermore, according to the evaluation of 15 samples in the best cluster, respectively, new approaches in explaining indication of fraud were discovered. In brief, those approaches are (1) the similarities in parameter usage of transaction with deferred status; (2) the sliced of similarities in parameter usage of deferred and success transaction; (3) the pattern of changes of deferred transaction parameter which intersect directly with parameter of success transaction within adjacent period. In addition, statistics method was also applicated in this research as a tool to support the evaluation and provide the trend of transaction.

As a result, IP address and transaction nominal accounted at 2,98% and 2% respectively, as a cause of deferred or unprocessed status in online payment system."

"ABSTRAKKualitas bergantung pada kehandalan suatu produk, khususnya pada peralatan yang dipakai di industri manufaktur, contohnya boiler. Kehandalan dari boiler dilihat dari performa boiler tersebut. Ketergantungan parameter satu dengan yang lainnya dapat meningkatkan kompleksitas operasi boiler. Meskipun pada boiler dengan beban dibawah rancangan awal. Fenomena ini terjadi akibat pergeseran penentuan kebijakan pada pemilik perusahaan yang memilih untuk membeli boiler dengan beban kerja penuh dimasa yang akan datang, namun digunakan dengan beban rendah saat ini. Dapat dicontohkan dengan perusahaan produsen minuman ringan yang memiliki perencanaan penambahan beban dala dua tahun mendatang, membutuhkan 4 ton uap air/jamnya sedangkan untuk saat ini beban kerja yang dibutuhkan hanya 2 ton uap air/jamnya. Sehinggaefesiensi area dari performa boiler hanya berkisar 15-30 persen. Hal ini membuat resiko yang sangat berpotensi untuk mengalami kegagalan. Dibutuhkan pendeteksi kegagalan untuk mengetahui dan menjaga kehandalan dari performa boiler. Kunci utamanya adalah memonitor hubungan antar parmeter dan mendeteksi kegagalan yang mungkin terjadi. Permasalahan utama adalah banyaknya parameter yang berhubungan, analisa data dapat dilakukan dengan mudah menggunakan Data Mining. Salah satu teknikmenganalisa data bernama Artificial Neural Network ANN dapat mendeteksi kegagalan apabila digabungkan dengan back-propagation. Dengan permodelan dan validasi terlebih dahulu diharapkan dapat mendeteksi kegagalan pada performa boiler.

---

ABSTRACTQuality depends on equipment rsquo s reliability especially in industrial manufacturing equipment, such as boiler. Boiler rsquo s reliability relies on its performance. It is important to maintain boiler rsquo s performance as designed. Boiler rsquo s performance depends on many parameters, which is related to the operating procedure. Therefore, many parameters correlation could cause lot of complexities in boiler rsquo s operating process. Even in a small load boiler such as boiler in food manufacturing industry. The boiler rsquo s performance efficiency area ranges between 15 30 percent. It has a potential risk to fail, when the range approaches to zero. A fault detection is necessary to get boiler rsquo s performance works as reliable as it designed. The key is to monitor parameters correlation and detect any fault that could happen before it occurs. The problem is, there are lot of parameters correlation could happen in boiler rsquo s operating process that could cause failure. By analyzing many parameters correlation in boiler operation, Data Mining could approach a fault detection easier. The purpose of Data Mining is to monitor boiler performance parameters. An Artificial Neural Network ANN would present a smart fault detection model if it is combined with back propagation, because it will train the program itself and learn which condition should be alarmed. At the end, the proposed model could detect a fault by monitoring boiler rsquo s performance. "