Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
PT Nusa Satu Inti Artha atau lebih dikenal dengan DOKU merupakan salah satu perusahaan fintech yang bergerak di sektor pembayaran. DOKU telah digunakan oleh lebih dari 100.000 merchant online dalam kedua layanannya, yaitu payment gateway dan transfer service. Semakin banyaknya merchant yang melakukan registrasi, menuntut DOKU untuk lebih efisien dalam menjalankan salah satu tahapan pada proses registrasi tersebut, yaitu verifikasi situs merchant. Penilitian ini memiliki tujuan untuk mengem- bangkan sebuah aplikasi web crawler yang dapat digunakan untuk melakukan ekstraksi kelengkapan data situs merchant dan melakukan prediksi tingkatan fraud situs tersebut secara otomatis. Web crawler dibuat menggunakan micro web framework bernama Flask dan berisi modul-modul yang dapat melakukan ekstraksi fitur-fitur untuk kemudian dilakukan scoring menggunakan model machine learning yang diimplementasi di dalamnya. Pemilihan model dilakukan dengan cara melakukan nested cross-validation terhadap empat jenis classifier, yaitu Decision Tree Classifier, Random Forest Classifier, Extreme Gradient Boost Classifier, dan Bernoulli Naive Bayes Classifier. Hasil analisis menunjukkan bahwa Bernoulli Naive Bayes Classifier memiliki hasil performa terbaik, sehingga classifier ini juga yang akan diimplementasikan pada web crawler. Hasil dari pengembangan web crawler menunjukkan bahwa efisiensi waktu proses verifikasi dapat ditingkatkan sebesar 4900% dengan AUC sebesar 0.953 dan recall sebesar 0.864. ......PT Nusa Satu Inti Artha or better known as DOKU is one of the fintech companies engaged in the payment sector. DOKU has been used by more than 100,000 online mer- chants in its two services, namely payment gateway and transfer service. More and more merchants are registering, demanding DOKU to be more efficient in carrying out one of the stages in the registration process, namely merchant site verification. This research aims to develop a web crawler application that can be used to extract the the merchant site data and to predict the fraud level of the site automatically. Web crawler is created using a micro web framework named Flask and contains modules that can extract features to then do scoring using the machine learning model implemented in it. Model selection is done by doing nested cross-validation of four types of classifier namely Decision Tree Classifier, Random Forest Classifier, Extreme Gradient Boost Classifier, and Bernoulli Naive Bayes Classifier. The analysis shows that the Bernoulli Naive Bayes Classifier has the best performance results, so this classifier will be the one that implemented on the web crawler. The results of the development of web crawler show that the efficiency of the verification process can be increased by 4900% with AUC of 0.953 and recall of 0.864.

Abstrak :
Sebagai perusahaan yang bergerak di bidang keuangan, Perusahaan Asuransi tentunya memiliki eksposur terhadap berbagai risiko, salah satunya ialah risiko kepatuhan dan risiko hukum. Dalam melaksanakan kegiatan usahanya, Perusahaan Asuransi harus memiliki fungsi Manajemen Risiko guna memastikan bahwa lini usaha dan bisnisnya berjalan dengan lancar serta tidak menimbulkan suatu kerugian terhadap pihak manapun, terutama Pemegang Polis. Namun, seiring dengan perkembangan teknologi yang pesat, Perusahaan Asuransi lantas dihadapkan dengan berbagai tantangan untuk menyesuaikan seluruh tahapan dalam proses pertanggungan dengan dinamika perkembangan teknologi yang ada. Salah satu risiko yang kemudian muncul ialah risiko terjadinya fraud. Fraud yang kerap terjadi di berbagai Perusahaan Asuransi terbagi menjadi Agent Fraud, Application Fraud, dan Claim Fraud. Sejalan dengan dikeluarkannya Surat Edaran Otoritas Jasa Keuangan Nomor 46/POJK.05/2017, Perusahaan Asuransi wajib untuk memiliki dan menjalankan strategi anti fraud di lingkup internal perusahaan guna memitigasi segala risiko kepatuhan dan risiko hukum yang mungkin terjadi. Guna menjalankan strategi anti fraud secara efektif, Perusahaan Asuransi perlu untuk mengadopsi sistem dan metodologi yang tepat. Dalam menjawab isu tersebut, eksistensi Fraud Detection System sebagai sistem anti fraud di industri keuangan hadir. Dalam penelitian ini, Penulis melakukan analisis terhadap prinsip, prosedur, serta efektivitas penggunaan Fraud Detection System sebagai upaya manajemen risiko Perusahaan Asuransi dalam menerapkan strategi anti fraud. ......As a company that operates in the financial sector industry, Insurance Companies are certainly exposed to various risks, namely is compliance risk and legal risk. In carrying out its business activities, Insurance Companies are obliged to have Risk Management function to ensure that the business objectives of the Company run smoothly and do not cause any losses to any parties, especially the Policyholders. Nevertheless, along with the rapid development of technology, Insurance Companies are then faced with various challenges to accustom all stages in the coverage process with the dynamics of existing technological developments. One of the risks that then arises is the risk of fraud. Fraud that often occurs in Insurance Companies consists into Agent Fraud, Application Fraud, and Claim Fraud. In line with the issuance of the Financial Services Authority Circular Letter Number 46/POJK.05/2017, Insurance Companies are required to have and implement an anti-fraud strategy within the company to mitigate all compliance risks and legal risks that may occur. In order to carry out an effective anti-fraud strategy, Insurance Companies need to adopt the right and adequate system. In responding to these issues, the existence of the Fraud Detection System as one of anti-fraud systems in the financial industry will help to find the way. In this research, the Author analyzes the principles, procedures, and effectiveness of using the Fraud Detection System as a tool for Insurance Companies to implement anti-fraud strategy and perform risk management.

Abstrak :
ABSTRAK Penelitian 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 alat bantu 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.

Abstrak :
Penelitian ini bertujuan untuk menganalisis penerapan praktik whistleblowing system yang dilakukan oleh Badan Pemeriksa Keuangan. Whistleblowing System merupakan salah satu alat deteksi yang dapat mengungkap tindakan kecurangan di Badan Pemeriksa Keuangan. Penelitian ini berfokus pada 8 aspek utama, yaitu perlindungan kepada whistleblower, regulasi terkait pengaduan pelanggaran, sistem pelaporan dan mekanisme tindak lanjut laporan pelanggaran, penyusunan ketentuan whistleblowing, reward, sikap organisasi, ketersediaan akses pelaporan eksternal, serta karakteristik whistleblower. Berdasarkan hasil penelitian, ditemukan bahwa secara garis besar Whistleblowing System yang telah ditetapkan BPK hampir memenuhi semua aspek utama namun pelaksanaannya masih belum sepenuhnya sesuai dengan ketentuan yang telah ditetapkan. ...... This study aims to analyze the implementation of whistle blowing system which operated by the Audit Board of The Republic of Indonesia. Whistleblowing system is one of fraud detection tools in Audit Board of The Republic of Indonesia. Focus of this study are whistle blower's protection law, fraud regulation, the mechanism of fraud reporting system, whistle blowing requirement, reward, organization's support, access of external fraud reporting, and whistle blower characteristics. This study finds that roughly Whistleblowing System that has been set by the Institution almost meet all major aspects but its implementation is still not fully in accordance with the conditions set.

Abstrak :
Asuransi mobil adalah produk asuransi yang banyak digunakan di Indonesia. Namun, asuransi mobil memiliki potensi untuk kecurangan klaim yang menyebabkan kerugian bagi perusahaan dan pemegang polis. Penelitian ini bertujuan untuk merancang model prediksi deteksi kecurangan asuransi mobil di Indonesia menggunakan pendekatan machine learning. Supervised classifiers adalah salah satu teknik machine learning yang memiliki kemampuan untuk memprediksi kasus-kasus anomali. Supervised classifiers yang digunakan pada penelitian ini adalah Multilayer Perceptron (MLP), Decision Tree C4.5, dan Random Forest (RF). Penelitian ini menggunakan data real-world pada perusahaan asuransi mobil di Indonesia. Dataset memiliki distribusi tidak seimbang yang sangat tinggi antara data pemegang polis yang melakukan kecurangan dan pemegang polis yang sah. Penelitian ini menangani masalah dataset yang tidak seimbang dengan menggunakan Synthetic Minority Oversampling Technique (SMOTE) dan metode undersampling. Kinerja model dievaluasi melalui confusion matrix, Kurva ROC, dan parameter seperti sensitivitas. Penelitian ini menemukan bahwa Random Forest memberikan hasil terbaik dibandingkan dengan MLP dan Decision Tree C4.5. ......Automobile insurance is widely used insurance product in Indonesia. However, automobile insurance has the potential for  fraudulent claim that leads to several consequences for the company and policyholder. This research aims to design a prediction model of automobile insurance fraud detection in Indonesia using a machine learning approach. Supervised classifiers is one of machine learning techniques that has the ability to predict anomaly cases. The proposed supervised classifiers are Multilayer Perceptron (MLP), Decision Tree C4.5, and Random Forest(RF). This research used real-world data on an automobile insurance company in Indonesia. The dataset has a high imbalanced distribution between the data of policyholders who commit fraud and legitimate. This study handles the imbalanced dataset problem by using the Synthetic Minority Oversampling Technique (SMOTE) and undersampling methods. The performance of models is evaluated through the confusion matrix, ROC Curve, and parameters such as sensitivity. This research found that Random Forest outperformed the results comparing to other classifiers.