<![CDATA[Dalam konteks perekonomian global yang terus berkembang dan kompleks, aktivitas jual beli uang kertas asing melibatkan volume transaksi yang besar dan beragam, sehingga meningkatkan risiko terjadinya transaksi keuangan mencurigakan. Berbagai penelitian sebelumnya telah memanfaatkan metode klasifikasi dan clustering, namun sebagian masih terbatas pada satu algoritma sehingga kurang optimal dalam mendeteksi pola anomali secara akurat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi transaksi mencurigakan menggunakan kombinasi algoritma Self-Organizing Map (SOM) dan K-Means++ agar dapat mengidentifikasi pola transaksi abnormal secara cepat dan akurat. Data transaksi periode 2021–2022 digunakan sebagai data latih, kemudian dianalisis melalui tahapan praproses, normalisasi, pelatihan model, dan evaluasi menggunakan confusion matrix untuk menghitung akurasi, presisi, recall, spesifisitas, dan F1-score. Hasil pengujian menunjukkan bahwa model mampu mendeteksi transaksi mencurigakan dengan tingkat akurasi 95,45% pada data latih dan 77,75% pada data uji, dengan recall tinggi yang menandakan sensitivitas deteksi terhadap transaksi fraud. Temuan ini menegaskan bahwa metode SOM dan K-Means++ efektif sebagai alat bantu identifikasi transaksi mencurigakan, sekaligus menyediakan landasan untuk pengembangan sistem deteksi otomatis yang lebih adaptif pada sektor keuangan.]]>
Copyrights © 2025
