<![CDATA[Penipuan kartu kredit merupakan ancaman serius bagi industri keuangan yang terus meningkat seiring pertumbuhan transaksi digital. Penelitian ini membahas pembangunan sistem deteksi penipuan kartu kredit menggunakan algoritma Decision Tree dan Random Forest. Penelitian ini membahas penerapan sistem untuk mendeteksi penipuan kartu kredit dengan menggunakan algoritma Decision Tree dan Random Forest. Kartu kredit kumpulan data. csv yang diambil dari Kaggle, berisi sekitar satu juta transaksi dengan 30 fitur dari Principal Component Analysis (PCA), digunakan sebagai data utama. Proses penelitian meliputi beberapa tahapan, yaitu pra-pemrosesan data (penghapusan duplikasi, eliminasi kolom Time, dan normalisasi Z-score pada fitur Amount), analisis eksploratif (EDA), pelatihan model dengan rasio pembagian 80:20 menggunakan stratifikasi, serta evaluasi menggunakan matriks akurasi, presisi, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa Random Forest memiliki kinerja terbaik dibandingkan Decision Tree pada seluruh matriks evaluasi. Selanjutnya, sistem ini diimplementasikan ke dalam aplikasi Streamlit yang menyediakan fitur untuk mengunggah dataset, visualisasi EDA, pelatihan model, perbandingan kinerja antar algoritma, serta prediksi transaksi baru secara real-time. Secara keseluruhan, sistem yang dikembangkan mampu mendeteksi transaksi berpotensi penipuan secara efektif dan menyajikannya dalam antarmuka yang interaktif serta mudah digunakan.]]>
