<![CDATA[Penipuan transaksi online merupakan salah satu tantangan utama dalam sistem keuangan digital modern. Penelitian ini membandingkan tiga algoritma machine learning, yaitu LightGBM, Random Forest, dan Logistic Regression, untuk mendeteksi potensi transaksi penipuan menggunakan IEEE-CIS Fraud Detection Dataset. Tahapan penelitian mencakup eksplorasi data, rekayasa fitur, pembagian data latih-uji, pelatihan model, serta evaluasi menggunakan metrik AUC, Precision, Recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa LightGBM memperoleh nilai AUC tertinggi sebesar 0.847, menandakan kemampuan diskriminatif terbaik dalam membedakan transaksi penipuan dan sah. Random Forest mencapai Precision tertinggi (0.188) dan F1-Score (0.270), menunjukkan keseimbangan lebih baik antara presisi dan sensitivitas. Logistic Regression memiliki performa terendah namun menawarkan interpretabilitas tinggi. Penelitian ini menegaskan pentingnya pemilihan algoritma berdasarkan kebutuhan sistem, antara performa tinggi dan kemudahan interpretasi dalam konteks deteksi penipuan transaksi online.Kata Kunci: Deteksi Penipuan, Machine Learning, LightGBM, Random Forest, Logistic Regression]]>
Copyrights © 2024
