<![CDATA[Penelitian ini mengkaji penggunaan algoritma Support Vector Machines (SVM) untuk mendeteksi anomali aktivitas pengguna pada sis-tem informasi keuangan PT. DigiDokat Indonesia. Dalam era digitalisasi, sistem informasi keuangan menghadapi tantangan besar terkait keamanan data, di mana aktivitas anomali seperti akses tidak sah dan kesalahan verifikasi dapat merugikan institusi. SVM bekerja dengan mencari hyperplane optimal untuk memisahkan transaksi normal dan anomali dengan margin terbesar. Dalam penelitian ini, digunakan kernel Radial Basis Function (RBF) agar model dapat mengenali pola transaksi yang kompleks dan non-linear secara lebih akurat. Penelitian ini bertujuan untuk mengembangkan model deteksi anomali yang efektif dengan pendekatan machine learning, khususnya SVM, yang telah terbukti meningkatkan akurasi deteksi hingga 95%. Metode penelitian meliputi pengumpulan data melalui wawancara, observasi, dan dokumentasi, diikuti oleh pengembangan sistem berbasis Python. Hasil menunjukkan bahwa sistem mampu mendeteksi pola transaksi mencurigakan secara otomatis dan memberikan notifikasi kepada pengguna, sehingga meningkatkan keamanan dan efisiensi operasional.]]>
Copyrights © 2025
