Machine Learning (ML) telah menjadi teknologi yang memainkan peran penting dalam berbagai sektor, termasuk sektor keuangan. Salah satu aplikasinya yang paling signifikan adalah deteksi penipuan, yang mencakup identifikasi transaksi mencurigakan, penyalahgunaan klaim asuransi, dan pencucian uang. Artikel ini menyajikan tinjauan literatur sistematis terhadap penerapan ML dalam deteksi penipuan di sektor keuangan, mencakup penelitian dari tahun 2015 hingga 2023. Beberapa algoritma utama yang digunakan meliputi Random Forest, Gradient Boosting Machines, Neural Networks, dan Support Vector Machines. Setiap algoritma memiliki keunggulan dan tantangan yang berbeda, seperti kemampuan menangani data tidak seimbang, akurasi tinggi dalam mendeteksi pola kompleks, namun dengan keterbatasan seperti kurangnya transparansi dan risiko overfitting. Penelitian ini juga menemukan bahwa ML memungkinkan deteksi penipuan secara otomatis dan real-time dengan tingkat akurasi yang lebih tinggi dibandingkan metode tradisional. Namun, tantangan utama termasuk keterbatasan data berkualitas, regulasi yang ketat, serta proses adopsi teknologi yang lambat. Untuk mengatasi tantangan tersebut, penelitian masa depan direkomendasikan untuk mengembangkan model yang lebih transparan (Explainable AI), meningkatkan solusi untuk data tidak seimbang, dan mempercepat integrasi ML dengan infrastruktur keuangan yang ada. Dengan langkah-langkah ini, ML memiliki potensi untuk merevolusi deteksi penipuan di sektor keuangan, membantu mengurangi kerugian finansial, dan meningkatkan keamanan sistem keuangan secara keseluruhan.