Penerapan Algoritma Decision Tree C4.5 untuk deteksi Fraud pada Kartu Kredit dan Oversampling Synthetic Minority Technnique (SMOTE

Darell Perwara, Ludgerus (2020) Penerapan Algoritma Decision Tree C4.5 untuk deteksi Fraud pada Kartu Kredit dan Oversampling Synthetic Minority Technnique (SMOTE. Sarjana thesis, Universitas Brawijaya.

Abstract

Pada perkembangan teknologi saat ini, kartu kredit dipandang sebagai cara yang mudah dan praktis dalam melakukan transaksi, karena selain mudah digunakan transaksi dengan kartu kredit hanya membutuhkan beberapa persyaratan. Namun meningkatnya penggunaan kartu kredit memunculkan tindak kriminal yang merugikan nasabah maupun pihak bank. Data Mining dipandang sebagai metode yang tepat untuk menyelesaikan masalah ini, maka pada penelitian ini akan menggunakan metode Decision Tree C4.5 untuk mendeteksi fraud pada transaksi kartu kredit. Dikarenakan munculnya fraud pada setiap transaksi jarang terjadi dan lebih banyak transaksi normal, penelitian ini juga akan menambah metode oversampling SMOTE yang dapat membuat data fraud sintetik dengan tujuan menyeimbangkan kelas. Hasil penelitian ini menghasilkan nilai akurasi sebesar 90,4%, nilai precision sebesar 94,28%, nilai recall sebesar 91,21% dan f-measure sebesar 94,86% dengan nilai N pada SMOTE sebesar 0%. Sehingga dapat disimpulkan bahwa penerapan Decision Tree C4.5 dalam kasus mendeteksi fraud pada transaksi kartu kredit lebih baik dilakukan tanpa oversampling SMOTE, namun dari nilai precision, Decision Tree C4.5 dengan SMOTE 300% menghasilkan nilai precision tertinggi sebesar 94,88% dan nilai depth pada Decision Tree C4.5 = 10

English Abstract

In current technological developments, credit cards are seen as an easy and practical way to conduct transactions, because besides being easy to use transactions with credit cards only require a few requirements. However, the increasing use of credit cards has led to criminal activities which have cost customers and banks. Data Mining is seen as an appropriate method to solve this problem, so in this study will use the Decision Tree C4.5 method to detect fraud on credit card transactions. Because the emergence of fraud in every transaction rarely occurs and more normal transactions, this study will also add to the SMOTE oversampling method that can create synthetic fraud data with the aim of balancing class. The results of this study produce an accuracy value of 90.4%, a precision value of 94.28%, a recall value of 91.21% and an f-measure of 94.86% with an N value on the SMOTE of 0%. So it can be concluded that the application of Decision Tree C4.5 in the case of detecting fraud on credit card transactions is better done without SMOTE oversampling, but from the precision value, Decision Tree C4.5 with SMOTE 300% produces the highest precision value of 94.88% and the value depth in Decision Tree C4.5 = 10

Item Type:	Thesis (Sarjana)
Identification Number:	0520150464
Uncontrolled Keywords:	Kartu Kredit, Fraud, Decision Tree C4.5, Oversampling, SMOTE., Credit Card, Fraud, Decision Tree C4.5, Oversampling, SMOTE
Subjects:	600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Unnamed user with username nova
Date Deposited:	20 Sep 2022 07:37
Last Modified:	01 Oct 2024 01:19
URI:	http://repository.ub.ac.id/id/eprint/194444

Text Ludgerus Darell Perwara.pdf Download (2MB)

Actions (login required)

View Item