AFRIDAH, RITA (2024) ANALISIS KINERJA ALGORITMA CLASSIFICATION AND REGRESSION TREES DAN NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK DETEKSI FRAUD TRANSAKSI KARTU KREDIT. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (49kB)
	Text Abstrak.pdf Download (13kB)
	Text BAB I.pdf Download (85kB)
	Text Daftar Pustaka.pdf Download (149kB)
	Text Full-text.pdf Restricted to Registered users only Download (1MB)

Abstract

Seiring dengan perkembangan teknologi, kartu kredit telah menjadi alat yang populer untuk transaksi, baik secara fisik maupun online, karena kemudahan penggunaan dan integrasi lancar dengan sistem perbankan. Namun dengan meningkatnya penggunaan kartu kredit maka meningkat pula kasus Fraud (penipuan) yang memberikan dampak kerugian finansial bagi pemegang kartu maupun pihak bank. Untuk mengatasi masalah tersebut, deteksi Fraud transaksi kartu kredit yang efektif dan efisien telah menjadi prioritas utama. Menggunakan algoritma machine learning merupakan salah satu teknik yang dapat digunakan untuk mendeteksi Fraud pada transaksi kartu kredit. Tujuan penelitian ini yaitu untuk mengetahui kinerja dan mencari metode terbaik dari algoritma CART, Naive Bayes dan kombinasi dengan Particle Swarm Optimization (PSO) dalam mendeteksi Fraud pada riwayat transaksi kartu kredit. Data yang digunakan yaitu sebanyak 568.630 big data dengan parameter yang digunakan yaitu id, V1-V28, amount dan class. Hasil penelitian yang diperoleh yaitu nilai accuracy algoritma Naive Bayes sebesar 93,15%, precision 94%, recall 93% dan AUC 0,99. Untuk algoritma CART nilai accuracy sebesar 99,96%, precision dan recall 100% serta AUC 1,00, kemudian untuk algoritma Naive Bayes yang dikombinasi dengan PSO memperoleh nilai accuracy sebesar 98,50%, precision dan recall 98% serta AUC 1,00, dan algoritma CART yang dikombinasi dengan PSO memperoleh nilai accuracy sebesar 99,97%, precision dan recall 100% serta AUC 1,00. Dapat di simpulkan metode terbaik yang dihasilkan dari pengujian yang dilakukan yaitu metode CART yang dikombinasi dengan PSO.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Rita Afridah
Date Deposited:	27 Aug 2024 02:26
Last Modified:	27 Aug 2024 02:26
URI:	https://rama.unimal.ac.id/id/eprint/5182

Actions (login required)

View Item