Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Saputra, Dewa Raka Krisna
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
DETEKSI ANOMALI MENGGUNAKAN ENSEMBLE LEARNING DAN RANDOM OVERSAMPLING PADA PENIPUAN TRANSAKSI KEUANGAN Saputra, Dewa Raka Krisna; Via, Yisti Vita; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4910

Abstract

Di era digital, transaksi keuangan semakin beralih ke metode nontunai, karena sifatnya yang nyaman dan efisien. Namun, peningkatan penggunaan kartu kredit dan transaksi online juga meningkatkan risiko kejahatan finansial. Penelitian ini mengkaji metode ensemble learning dan random oversampling dalam mendeteksi anomali pada transaksi keuangan, khususnya penipuan kartu kredit. Algoritma klasifikasi yang digunakan meliputi Decision Tree (DT), Random Forest (RF), Logistic Regression (LR), dan Naive Bayes (NB), dengan pendekatan ensemble learning seperti Bagging, Boosting, dan Stacking. Hasil penelitian menunjukkan bahwa metode ensemble learning secara signifikan meningkatkan performa deteksi penipuan dibandingkan model dasar (base model). Khususnya teknik stacking menunjukkan peningkatan AUC yang signifikan, dengan beberapa algoritma mencapai AUC sempurna (1.00). Random Forest (RF) dengan metode ensemble learning menunjukkan performa yang sangat konsisten dan optimal dalam mendeteksi anomali penipuan. Penelitian ini menegaskan bahwa metode ensemble learning, terutama stacking, efektif dalam membedakan antara transaksi sah dan mencurigakan, sehingga dapat diandalkan untuk deteksi penipuan keuangan.
DETEKSI ANOMALI MENGGUNAKAN ENSEMBLE LEARNING DAN RANDOM OVERSAMPLING PADA PENIPUAN TRANSAKSI KEUANGAN Saputra, Dewa Raka Krisna; Via, Yisti Vita; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4910

Abstract

Di era digital, transaksi keuangan semakin beralih ke metode nontunai, karena sifatnya yang nyaman dan efisien. Namun, peningkatan penggunaan kartu kredit dan transaksi online juga meningkatkan risiko kejahatan finansial. Penelitian ini mengkaji metode ensemble learning dan random oversampling dalam mendeteksi anomali pada transaksi keuangan, khususnya penipuan kartu kredit. Algoritma klasifikasi yang digunakan meliputi Decision Tree (DT), Random Forest (RF), Logistic Regression (LR), dan Naive Bayes (NB), dengan pendekatan ensemble learning seperti Bagging, Boosting, dan Stacking. Hasil penelitian menunjukkan bahwa metode ensemble learning secara signifikan meningkatkan performa deteksi penipuan dibandingkan model dasar (base model). Khususnya teknik stacking menunjukkan peningkatan AUC yang signifikan, dengan beberapa algoritma mencapai AUC sempurna (1.00). Random Forest (RF) dengan metode ensemble learning menunjukkan performa yang sangat konsisten dan optimal dalam mendeteksi anomali penipuan. Penelitian ini menegaskan bahwa metode ensemble learning, terutama stacking, efektif dalam membedakan antara transaksi sah dan mencurigakan, sehingga dapat diandalkan untuk deteksi penipuan keuangan.
Co-Authors Andreas Nugroho Sihananto Yisti Vita Via