Penerapan Algoritma Decision Tree C4.5 untuk deteksi Fraud pada Kartu Kredit dan Oversampling Synthetic Minority Technnique (SMOTE
| Main Author: | Darell Perwara, Ludgerus |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194444/1/Ludgerus%20Darell%20Perwara.pdf http://repository.ub.ac.id/id/eprint/194444/ |
Daftar Isi:
- 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