<![CDATA[Ketidakseimbangan kelas merupakan hambatan utama dalam pengembangan sistem deteksi fraud transaksi kartu kredit pada lingkungan e-commerce. Penelitian ini bertujuan membandingkan efektivitas tiga teknik penanganan ketidakseimbangan kelas, yaitu tanpa penyeimbangan, oversampling sintetis, dan pembobotan kelas, yang dikombinasikan dengan tiga algoritma klasifikasi sehingga menghasilkan sembilan skenario eksperimen. Data yang digunakan berjumlah 20.000 transaksi dengan proporsi fraud sebesar 1,70 persen dan memiliki fitur yang dapat diinterpretasi secara langsung. Setiap skenario dioptimasi melalui pencarian grid dan dievaluasi menggunakan validasi silang berulang berstrata serta data uji independen dengan metrik area di bawah kurva presisi-recall. Hasil penelitian menunjukkan bahwa model linear tanpa penyeimbangan memberikan capaian tertinggi, sedangkan teknik penyeimbangan meningkatkan recall namun menurunkan presisi secara tajam tanpa memperbaiki capaian keseluruhan. Optimasi ambang keputusan terbukti meningkatkan keseimbangan kinerja lebih efektif dibandingkan penerapan teknik penyeimbangan data. Temuan ini menegaskan bahwa kalibrasi ambang keputusan perlu diprioritaskan dalam perancangan sistem deteksi fraud pada perdagangan elektronik.]]>
Copyrights © 2025
