Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Media Akademik (JMA)
Novant Nanda Pradana
Unknown Affiliation
Religion Humanities Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
DETEKSI TRANSAKSI MENCURIGAKAN MENGGUNAKAN DECISION TREE DAN LOGISTIC REGRESSION DENGAN MITIGASI KETIDAKSEIMBANGAN KELAS Novant Nanda Pradana; Amar Agung Subekti; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2680

Abstract

Transaksi keuangan digital mengalami pertumbuhan pesat, namun disertai risiko yang semakin tinggi terhadap aktivitas mencurigakan seperti penipuan. Deteksi transaksi mencurigakan menjadi tantangan utama, terutama karena distribusi data yang sangat tidak seimbang, di mana jumlah transaksi normal jauh lebih banyak dibandingkan transaksi fraud. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan dua algoritma klasifikasi, yaitu Decision Tree dan Logistic Regression, dalam mendeteksi transaksi mencurigakan dengan menerapkan tiga pendekatan penyeimbangan kelas, yakni random oversampling, undersampling, dan SMOTE (Synthetic Minority Oversampling Technique). Dataset yang digunakan adalah data transaksi kartu kredit yang mengandung kurang dari 0,2% kasus fraud. Evaluasi dilakukan berdasarkan metrik precision, recall, F1-score, dan AUC. Hasil penelitian menunjukkan bahwa kombinasi Decision Tree dengan SMOTE menghasilkan performa terbaik dengan nilai F1-score sebesar 0,85 dan AUC sebesar 0,95. Logistic Regression juga menunjukkan kinerja yang kompetitif, terutama saat dikombinasikan dengan SMOTE. Temuan ini menunjukkan bahwa penerapan teknik penyeimbangan kelas berpengaruh signifikan terhadap akurasi model dalam mendeteksi transaksi fraud, dan bahwa model klasik masih sangat relevan untuk diterapkan dalam sistem deteksi anomali di sektor keuangan.
Co-Authors Amar Agung Subekti Elkin Rilvani