<![CDATA[Peningkatan penggunaan kartu kredit telah meningkatkan risiko penipuan dan kejahatan terkait transaksi kartu kredit. Hal ini memerlukan pengembangan metode yang efektif dalam mendeteksi dan mengklasifikasikan risiko tersebut secara akurat. Tujuan penelitian ini adalah untuk membandingkan tingkat akurasi algoritma naive bayes setelah memeriksa kinerjanya dengan menggunakan metode bagging dan genetic algorithm. Meskipun naïve bayes dikenal karena kesederhanaan dan kecepatan pemrosesannya, penelitian ini mengeksplorasi potensi peningkatan akurasi dengan menggabungkan teknik analisis tersebut. Penelitian ini melibatkan serangkaian eksperimen yang dirancang untuk menguji efektivitas genetic algorithm dan teknik bagging dalam meningkatkan performa naïve bayes. Genetic algorithm, dengan kemampuan optimasinya, digunakan untuk menemukan kombinasi parameter terbaik yang dapat meningkatkan akurasi naïve bayes. Di sisi lain, teknik bagging diterapkan untuk mengurangi varian dan meningkatkan stabilitas prediksi. Hasil penelitian menunjukkan bahwa penggunaan genetic algorithm berhasil meningkatkan akurasi naive bayes dari 99.44% menjadi 99.90%, menunjukkan peningkatan sebesar 0.46%. Sementara itu, teknik bagging tidak memberikan peningkatan yang signifikan dalam akurasi. Implikasi dari temuan ini adalah bahwa teknik analisis seperti genetic algorithm dapat secara efektif meningkatkan performa algoritma klasifikasi, terutama dalam konteks mendeteksi penipuan transaksi kartu kredit. Temuan ini memberikan wawasan penting bagi industri keuangan dalam mengembangkan sistem keamanan yang lebih baik dan efisien untuk melindungi transaksi kartu kredit dari risiko penipuan.]]>
