dc.contributor.advisor | Siswanto, Siswanto | |
dc.contributor.author | Dharmawan, Dharmawan | |
dc.date.accessioned | 2022-08-22T05:32:41Z | |
dc.date.available | 2022-08-22T05:32:41Z | |
dc.date.issued | 2022 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/113874 | |
dc.description.abstract | Munculnya anomali atau transaksi penipuan akibat banyaknya transaksi
yang terjadi pada kartu kredit, menjadikan perlunya deteksi anomali pada transaksi
kartu kredit agar tidak merugikan pihak nasabah maupun bank. Salah satu kendala
deteksi anomali tersebut adalah pembentukan model matematis yaitu dataset yang
memiliki distribusi kelas yang tidak seimbang. Salah satu contohnya adalah
transaksi anomali kartu kredit yang mana jumlahnya lebih sedikit dibandingkan
data transaksi normal yang terjadi. Walaupun transaksi penipuan hanya berjumlah
sedikit, namun memiliki pengaruh yang sangat besar. Maka dari itu, diperlukan
model untuk melakukan screening untuk memperkirakan transaksi penipuan.
Tujuan penelitian ini adalah untuk menghasilkan data latih yang ideal dari dataset
yang tidak seimbang menggunakan Adaptive Synthetic Sampling (ADASYN) agar
dapat digunakan untuk proses pelatihan model Support Vector Machine (SVM).
Hasil penelitian menunjukkan bahwa model SVM yang dilatih dengan mengunakan
data SV yang diseimbangkan dengan ADASYN mampu mengklasifikasikan
transaksi anomali dengan sangat baik. | id |
dc.description.abstract | There are anomalies or fraudulent transactions due to the large number of
transactions that occur on credit cards, making it necessary to detect anomalies in
credit card transactions so as not to harm the customer or bank. One of the
obstacles in detecting these anomalies is the formation of mathematical models,
namely datasets that have an unbalanced class distribution. One example is
anomalous credit card transactions, which are fewer in number than normal
transaction data. Although the transactions are only small, they have a very large
impact. Therefore, a model is needed to perform screening to estimate fraudulent
transactions. The purpose of this research is to produce ideal training data from an
unbalanced dataset using Adaptive Synthetic Sampling (ADASYN) so that it can be
used for the Support Vector Machine (SVM) model training process. The results
showed that the SVM model trained using SV data balanced with ADASYN was able
to classify anomalous transactions very well | id |
dc.language.iso | id | id |
dc.publisher | IPB Univerity | id |
dc.title | Deteksi Anomali Pada Transaksi Kartu Kredit Menggunakan Adaptive Synthetic Resampling(ADASYN) dan Support Vector Machine (SVM) | id |
dc.type | Undergraduate Thesis | id |
dc.subject.keyword | Adaptive Synthetic Sampling | id |
dc.subject.keyword | transaksi kartu kredit | id |
dc.subject.keyword | support vector machine | id |