Penyedia Jasa Keuangan (PJK) seperti bank memberikan layanan untuk memudahkan transaksi keuangan, tetapi hal ini dimanfaatkan untuk pencucian uang dalam menyamarkan dana hasil tindak pidana seperti dana yang sah. Perjudian merupakan tindak pidana di wilayah hukum Indonesia. Seiring dengan peningkatan jumlah nasabah dan rekening setiap tahunnya, bank menghadapi tantangan dalam mengawasi transaksi keuangan sesuai dengan aturan perundangan yang berlaku. Berdasarkan penelitian sebelumnya, penggunaan machine learning seperti klasifikasi dapat digunakan untuk otomasi analisa dan pengawasan transaksi terkait pencucian uang pada sektor perbankan. Namun, hal ini belum terbukti untuk deteksi penyalahgunaan rekening dalam tindak pidana perjudian. Penelitian ini menyajikan topik baru karena kegiatan perjudian hanya ilegal di 56 negara dari total 195 negara di dunia. Penelitian ini dilakukan berdasarkan data transaksi keuangan riil dengan metode SLR, eksperimen, dan wawancara semi terstruktur dengan beberapa Subject Matter Expertise. Berbeda dengan rekening pencucian uang tindak pidana lainnya, karakteristik di rekening perjudian yang ditemukan dalam penelitian ini adalah rekening dimiliki oleh nasabah individu, memiliki frekuensi transaksi melalui channel elektronik lebih tinggi dibandingkan dengan transaksi di teller, sedikit dan hampir tidak pernah melakukan transaksi di teller, dan meskipun memiliki nominal transaksi yang tinggi setiap harinya rekening perjudian memiliki saldo akhir bulan hampir nol. Hasil penelitian ini menunjukkan klasifikasi dengan algoritma ensemble seperti LightGBM dapat mengidentifikasi rekening perjudian. Berdasarkan hasil evaluasi performa klasifikasi dengan algoritma LightGBM memiliki performa terbaik dibandingkan model ensemble lain dan algoritma klasifikasi lainnya.
Banks provide services to facilitate financial transactions that are often misused for money laundering activities to disguise illegitimate funds from criminal acts. Gambling is a criminal offense in the jurisdiction of the Republic of Indonesia. Along with the increasing number of customers and new accounts every year, banks face challenges in monitoring financial transactions in accordance with laws and other regulations. Based on the previous research, classification analysis which is part of machine learning can be used for automated analysis and monitor transactions to identify money laundering in the banking industry. However, this has not been proven to identify misuse of accounts in gambling activities. The novelty of this research is gambling activities are considered illegal in 56 countries out of 195 countries in the world. This research was conducted based on real financial transaction data using the SLR, experimental, and semi-structured interviews with several Subject Matter Expertise. In contrast to other criminal money laundering accounts, the characteristics of gambling accounts found in this study are accounts owned by individual customers, having a higher frequency of transactions via electronic channels compared to transactions at tellers, who rarely do transactions at tellers, and despite having many transactions gambling account have nearly zero
end-of-month balances. The results of this study indicate the classification with ensemble algorithms such as LightGBM can identify gambling accounts. Based on the evaluation results of classification performance with LightGBM, this model has the best performance compared to other ensemble models and other classification algorithms. |
TA-Catherine.pdf :: Unduh