<![CDATA[Tindakan fraud (fraud) di industri jasa keuangan, khususnya pada Bank Perekonomian Rakyat (BPR), menjadi tantangan serius yang memengaruhi stabilitas keuangan, kepercayaan nasabah, dan perekonomian nasional. Masalah ini semakin sulit terdeteksi dengan berkembangnya teknologi yang mempermudah pelaku melakukan manipulasi laporan keuangan dan penggelapan dana. Penelitian ini bertujuan untuk mengembangkan model deteksi fraud berbasis algoritma XGBoost yang dipadukan dengan teknik SMOTE (Synthetic Minority Over-sampling Technique) untuk mengatasi ketidakseimbangan data. Melalui analisis terhadap data transaksi keuangan BPR, model ini menunjukkan kemampuan yang tinggi dalam mendeteksi transaksi mencurigakan. Hasil penelitian menunjukkan bahwa model XGBoost dapat meningkatkan akurasi deteksi fraud hingga 96%, dengan nilai Area Under the Curve (AUC) yang signifikan. Pendekatan ini tidak hanya efektif dalam mendeteksi transaksi mencurigakan, tetapi juga memberikan kontribusi dalam memperkuat sistem pengendalian internal dan menerapkan prinsip tata kelola perusahaan yang baik (good corporate governance). Penelitian ini memberikan solusi inovatif dalam pencegahan fraud di BPR dan berperan penting bagi pengembangan ilmu pengetahuan di bidang data sains serta praktik industri. Diharapkan, hasil penelitian ini dapat menjadi panduan strategis bagi manajemen BPR dalam merancang sistem deteksi fraud yang lebih efektif, sehingga meningkatkan kepercayaan masyarakat terhadap institusi keuangan.]]>
