DETEKSI TRANSAKSI MENCURIGAKAN MENGGUNAKAN MACHINE LEARNING - Dalam bentuk buku karya ilmiah
IBNU FAZRIL

Informasi Umum

Kode

25.04.4000

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

38 kali

Informasi Lainnya

Abstraksi

Peningkatan yang signifikan pada transaksi keuangan mencurigakan yang berpotensi merugikan lembaga keuangan dan masyarakat semakin luas. Pencucian uang dan penipuan finansial merupakan ancaman serius yang sulit dideteksi oleh sistem tradisional, yang sering kali tidak mampu mengimbangi kompleksitas metode kriminal yang semakin canggih. Masalah utama penelitian ini adalah bagaimana meningkatkan akurasi dan efisiensi dalam mendeteksi transaksi mencurigakan menggunakan teknologi Machine Learning.<br /> Solusi yang ditawarkan dalam penelitian ini adalah pengembangan model prediktif berbasis Machine Learning yang menggunakan algoritma Logistic Regression, Decision Tree, dan XGBoost. Algoritma-algoritma ini dipilih karena kemampuannya dalam mengolah data besar dan kompleks, serta kemampuannya dalam mendeteksi pola transaksi yang mencurigakan dengan tingkat akurasi yang tinggi.<br /> Dengan mengintegrasikan teknik ini ke dalam sistem deteksi, diharapkan dapat meningkatkan efektivitas dalam mendeteksi transaksi mencurigakan. Hasil penelitian menunjukkan bahwa model yang dikembangkan mencapai akurasi deteksi sebesar 62% untuk Logistic Regression, 86% untuk Decision Tree, dan 91% untuk XGBoost. Berdasarkan hasil tersebut, model XGBoost terbukti paling efektif dalam mendeteksi transaksi mencurigakan.<br /> Kata kunci: machine learning, transaksi mencurigakan, Logistic Regression, Decision Tree, XGBoost.

• TKI4F3 - PEMBELAJARAN MESIN
• TUI2A3 - PROBABILITAS DAN STATISTIKA
• TUI4B2 - PROPOSAL TUGAS AKHIR
• TUI4B4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook