DETEKSI PENIPUAN KARTU KREDIT MENGGUNAKAN METODE RANDOM FOREST
Abstract viewed = 441 times
PDF (Bahasa Indonesia) downloaded = 628 times
Abstract
Meningkatnya penggunaan kartu kredit di Indonesia menimbulkan kekhawatiran mengenai potensi penipuan dalam transaksi tersebut. Data dari Bank Indonesia menunjukkan bahwa jumlah kartu kredit yang beredar pada Agustus 2023 mencapai 17,69 juta, dengan volume transaksi mencapai 28.360 transaksi per Mei 2022. Volume transaksi yang tinggi dan kecepatan pemrosesan yang cepat membuat pengawasan manual tidak memungkinkan. Oleh karena itu, diperlukan pengawasan otomatis untuk mencegah tindak penipuan dalam transaksi kartu kredit. Penelitian ini bertujuan mengembangkan sistem pendeteksi penipuan transaksi kartu kredit berbasis Machine learning dengan menggunakan algoritma Random Forest. Random Forest digunakan untuk klasifikasi, regresi, dan tugas-tugas lainnya. Dataeset transaksi kartu kredit dari tahun 2023 yang terdiri lebih dari 550.000 data digunakan dalam penelitian ini. Hasil penelitian menunjukkan bahwa dari total 568.630 record dalam dataset, terdapat sejumlah 113.726 record yang terdeteksi sebagai penipuan berdasarkan model klasifikasi yang digunakan. Melalui analisis Random Forest, fitur V4, V11, V22, V21, dan V27 diidentifikasi sebagai yang paling berpengaruh dalam mendeteksi penipuan. Model yang dikembangkan menunjukkan tingkat akurasi sekitar 96,53%, didukung oleh metode roc_auc_score yang mengkategorikannya sebagai sangat baik.
Downloads
Download data is not yet available.
References
Afriyie, J. K., Tawiah, K., Pels, W. A., Addai-Henne, S., Dwamena, H. A., Owiredu, E. O., Ayeh, S. A., & Eshun, J. (2023). A supervised machine learning algorithm for detecting and predicting fraud in credit card transactions. Decision Analytics Journal, 6. https://doi.org/10.1016/j.dajour.2023.100163
Alhamdani, F. D. S., Dianti, A. A., & Azhar, Y. (2021). Segmentasi Pelanggan Berdasarkan Perilaku Penggunaan Kartu Kredit Menggunakan Metode K-Means Clustering. JISKA (Jurnal Informatika Sunan Kalijaga), 6(2), 70–77. https://doi.org/https://doi.org/10.14421/jiska.2021.6.2.70-77
Alsarhan, A., Hussein, F., Moh, S., & El-Salhi, F. S. (2021). The Effect of Preprocessing Techniques, Applied to Numeric Features, on Classification Algorithms’ Performance. Data, 6(2). https://doi.org/https://doi.org/10.3390/data6020011
Ambarwati, D. (2020). Implementasi Metode Random Forest dan Artificial Neural Network pada Imbalanced dan Balanced Data dalam Mendeteksi Penipuan Kartu Kredit [Universitas Gadjah Mada]. http://etd.repository.ugm.ac.id/
Apriwandi. Herycson. (2022). Cyber Crime Dan Fraud Kartu Kredit Dan Kartu Debit: Perspektif Akuntansi. JUEB (Jurnal Ekonomi Dan Bisnis), 1(3), 111–124. https://doi.org/https://doi.org/10.57218/jueb.v1i3.277
Armiani, R., & Agustini, E. P. (2022). Analisa Fraud Pada Transaksi Kartu Kredit Menggunakan Algoritma Random Forest. J-TIT (Jurnal Teknologi Informasi Dan Terapan), 9(2), 118–126. https://doi.org/https://doi.org/10.25047/jtit.v9i2.297
Batubara, M., Ramadan, P., Zuhro, A., Hasibuan, S., Nasution, A., Syahputra, R., Aisah, S., Ekonomi, F., & Islam, B. (2022). Pengaruh Perilaku Konsumtif Masyarakat terhadap Penggunaan Kartu Kredit. VISA (Journal of Visions and Ideas), 2(2), 172–180. https://doi.org/47467/visa.v2i2.971
Carcillo, F., Le Borgne, Y. A., Caelen, O., Kessaci, Y., Oblé, F., & Bontempi, G. (2021). Combining unsupervised and supervised learning in credit card fraud detection. Information Sciences, 557, 317–331. https://doi.org/https://doi.org/10.1016/j.ins.2019.05.042
Chairunisa, R., Adiwijaya, & Astuti, W. (2020). Perbandingan CART dan Random Forest untuk Deteksi Kanker berbasis Klasifikasi Data Microarray. JURNAL RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(5), 805–812. https://doi.org/https://doi.org/10.29207/resti.v4i5.2083
Diana, Y., Hadi, F., Ekonomi, F., Bisnis, D., Putra Indonesia, U., Padang, Y., Lubuk, J. R., & Padang, B. (2023). Analisa Penjualan Menggunakan Algoritma K-MEDOIDS untuk Mengoptimalkan Penjualan Barang. JOISIE (Journal Of Information System And Informatics Engineering), 7(1), 97–103. https://doi.org/https://doi.org/10.35145/joisie.v7i1.2905
Dornadula, V. N., & Geetha, S. (2019). Credit Card Fraud Detection using Machine Learning Algorithms. Procedia Computer Science, 165, 631–641. https://doi.org/10.1016/j.procs.2020.01.057
Fadli, M., & Saputra, R. A. (2023). Classification And Evaluation Of Performance Models Random Forest For Stroke Prediction. JT (Jurnal Teknik), 12(2). https://doi.org/http://dx.doi.org/10.31000/jt.v12i2.9099
Febriady, M., Samsuryadi, & Rini, D. P. (2022). Klasifikasi Transaksi Penipuan Pada Kartu Kredit Menggunakan Metode Resampling Dan Pembelajaran Mesin. JURNAL Media Informatika Budidarma, 6(2), 1010–1016. https://doi.org/10.30865/mib.v6i2.3765
Hendarsyah, D., Tinggi, S., Ekonomi, I., & Bengkalis, S. (2020). Analisis perilaku konsumen dan keamanan kartu kredit perbankan. Jurnal Perbankan Syariah, 1(1), 85–96. https://doi.org/https://doi.org/10.46367/jps.v1i1.204
Jain, S. (2019). A comparative analysis of various credit card fraud detection techniques. International Journal of Recent Technology and Engineering, 7(5), 402–407. https://www.researchgate.net/publication/332264296
Kumar Manjhvar, A., & Goyal, R. (2020). Review on Credit Card Fraud Detection using Data Mining Classification Techniques & Machine Learning Algorithms. IJRAR (International Journal of Research and Analytical Reviews), 7(1), 972–975. www.ijrar.org
Kurniawan, A., & Yulianingsih, Y. (2021). Pendugaan Fraud Detection pada kartu kredit dengan Machine Learning. KILAT (Kajian Ilmu Dan Teknologi), 10(2), 320–325. https://doi.org/10.33322/kilat.v10i2.1482
Lestari, T. S., & Sirodj, D. A. N. (2022). Klasifikasi Penipuan Transaksi Kartu Kredit Menggunakan Metode Random Forest. Jurnal Riset Statistika, 1(2), 160–167. https://doi.org/10.29313/jrs.v1i2.525
Megalooikonomou, K. G., & Beligiannis, G. N. (2023). Random Forests Machine Learning Applied to PEER Structural Performance Experimental Columns Database. Applied Sciences, 13(23), 12821. https://doi.org/10.3390/app132312821
Ningsih, P. T. S., Gusvarizon, M., & Hermawan, R. (2022). Analisis Sistem Pendeteksi Penipuan Transaksi Kartu Kredit dengan Algoritma Machine Learning. JTIK (Jurnal Teknologi Informatika Dan Komputer), 8(2), 386–401. https://doi.org/10.37012/jtik.v8i2.1306
Pourhabibi, T., Ong, K. L., Kam, B. H., & Boo, Y. L. (2020). Fraud detection: A systematic literature review of graph-based anomaly detection approaches. Decision Support Systems, 133. https://doi.org/10.1016/j.dss.2020.113303
Sitohang, E. H., Setiabudi, D. H., & Ananda, S. A. (2021). Penerapan Modified ADASYN untuk Meningkatkan Akurasi Pendeteksian Pola Fraud pada Transaksi Kartu Kredit. Jurnal Infra, 9(2), 84–90.
Triyanto, S., Sunyoto, A., & Arief, M. R. (2021). Analisa Klasifikasi Bencana Banjir Berdasarkan Curah Hujan Menggunakan Algoritma Naive Bayes. JOISIE (Journal Of Information System And Informatics Engineering), 5(2), 109–117. https://doi.org/https://doi.org/10.35145/joisie.v5i2.1785
Werdiningsih, I., Purwanti, E., Wira Aditya, G. R., Hidayat, A. R., Athallah, R. S. R., Sahar, V. A., Wibisono, T. S., & Nura Somba, D. F. (2023). Identifying Credit Card Fraud in Illegal Transactions Using Random Forest and Decision Tree Algorithms. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 12(3), 477–484. https://doi.org/10.32736/sisfokom.v12i3.1730
Alhamdani, F. D. S., Dianti, A. A., & Azhar, Y. (2021). Segmentasi Pelanggan Berdasarkan Perilaku Penggunaan Kartu Kredit Menggunakan Metode K-Means Clustering. JISKA (Jurnal Informatika Sunan Kalijaga), 6(2), 70–77. https://doi.org/https://doi.org/10.14421/jiska.2021.6.2.70-77
Alsarhan, A., Hussein, F., Moh, S., & El-Salhi, F. S. (2021). The Effect of Preprocessing Techniques, Applied to Numeric Features, on Classification Algorithms’ Performance. Data, 6(2). https://doi.org/https://doi.org/10.3390/data6020011
Ambarwati, D. (2020). Implementasi Metode Random Forest dan Artificial Neural Network pada Imbalanced dan Balanced Data dalam Mendeteksi Penipuan Kartu Kredit [Universitas Gadjah Mada]. http://etd.repository.ugm.ac.id/
Apriwandi. Herycson. (2022). Cyber Crime Dan Fraud Kartu Kredit Dan Kartu Debit: Perspektif Akuntansi. JUEB (Jurnal Ekonomi Dan Bisnis), 1(3), 111–124. https://doi.org/https://doi.org/10.57218/jueb.v1i3.277
Armiani, R., & Agustini, E. P. (2022). Analisa Fraud Pada Transaksi Kartu Kredit Menggunakan Algoritma Random Forest. J-TIT (Jurnal Teknologi Informasi Dan Terapan), 9(2), 118–126. https://doi.org/https://doi.org/10.25047/jtit.v9i2.297
Batubara, M., Ramadan, P., Zuhro, A., Hasibuan, S., Nasution, A., Syahputra, R., Aisah, S., Ekonomi, F., & Islam, B. (2022). Pengaruh Perilaku Konsumtif Masyarakat terhadap Penggunaan Kartu Kredit. VISA (Journal of Visions and Ideas), 2(2), 172–180. https://doi.org/47467/visa.v2i2.971
Carcillo, F., Le Borgne, Y. A., Caelen, O., Kessaci, Y., Oblé, F., & Bontempi, G. (2021). Combining unsupervised and supervised learning in credit card fraud detection. Information Sciences, 557, 317–331. https://doi.org/https://doi.org/10.1016/j.ins.2019.05.042
Chairunisa, R., Adiwijaya, & Astuti, W. (2020). Perbandingan CART dan Random Forest untuk Deteksi Kanker berbasis Klasifikasi Data Microarray. JURNAL RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(5), 805–812. https://doi.org/https://doi.org/10.29207/resti.v4i5.2083
Diana, Y., Hadi, F., Ekonomi, F., Bisnis, D., Putra Indonesia, U., Padang, Y., Lubuk, J. R., & Padang, B. (2023). Analisa Penjualan Menggunakan Algoritma K-MEDOIDS untuk Mengoptimalkan Penjualan Barang. JOISIE (Journal Of Information System And Informatics Engineering), 7(1), 97–103. https://doi.org/https://doi.org/10.35145/joisie.v7i1.2905
Dornadula, V. N., & Geetha, S. (2019). Credit Card Fraud Detection using Machine Learning Algorithms. Procedia Computer Science, 165, 631–641. https://doi.org/10.1016/j.procs.2020.01.057
Fadli, M., & Saputra, R. A. (2023). Classification And Evaluation Of Performance Models Random Forest For Stroke Prediction. JT (Jurnal Teknik), 12(2). https://doi.org/http://dx.doi.org/10.31000/jt.v12i2.9099
Febriady, M., Samsuryadi, & Rini, D. P. (2022). Klasifikasi Transaksi Penipuan Pada Kartu Kredit Menggunakan Metode Resampling Dan Pembelajaran Mesin. JURNAL Media Informatika Budidarma, 6(2), 1010–1016. https://doi.org/10.30865/mib.v6i2.3765
Hendarsyah, D., Tinggi, S., Ekonomi, I., & Bengkalis, S. (2020). Analisis perilaku konsumen dan keamanan kartu kredit perbankan. Jurnal Perbankan Syariah, 1(1), 85–96. https://doi.org/https://doi.org/10.46367/jps.v1i1.204
Jain, S. (2019). A comparative analysis of various credit card fraud detection techniques. International Journal of Recent Technology and Engineering, 7(5), 402–407. https://www.researchgate.net/publication/332264296
Kumar Manjhvar, A., & Goyal, R. (2020). Review on Credit Card Fraud Detection using Data Mining Classification Techniques & Machine Learning Algorithms. IJRAR (International Journal of Research and Analytical Reviews), 7(1), 972–975. www.ijrar.org
Kurniawan, A., & Yulianingsih, Y. (2021). Pendugaan Fraud Detection pada kartu kredit dengan Machine Learning. KILAT (Kajian Ilmu Dan Teknologi), 10(2), 320–325. https://doi.org/10.33322/kilat.v10i2.1482
Lestari, T. S., & Sirodj, D. A. N. (2022). Klasifikasi Penipuan Transaksi Kartu Kredit Menggunakan Metode Random Forest. Jurnal Riset Statistika, 1(2), 160–167. https://doi.org/10.29313/jrs.v1i2.525
Megalooikonomou, K. G., & Beligiannis, G. N. (2023). Random Forests Machine Learning Applied to PEER Structural Performance Experimental Columns Database. Applied Sciences, 13(23), 12821. https://doi.org/10.3390/app132312821
Ningsih, P. T. S., Gusvarizon, M., & Hermawan, R. (2022). Analisis Sistem Pendeteksi Penipuan Transaksi Kartu Kredit dengan Algoritma Machine Learning. JTIK (Jurnal Teknologi Informatika Dan Komputer), 8(2), 386–401. https://doi.org/10.37012/jtik.v8i2.1306
Pourhabibi, T., Ong, K. L., Kam, B. H., & Boo, Y. L. (2020). Fraud detection: A systematic literature review of graph-based anomaly detection approaches. Decision Support Systems, 133. https://doi.org/10.1016/j.dss.2020.113303
Sitohang, E. H., Setiabudi, D. H., & Ananda, S. A. (2021). Penerapan Modified ADASYN untuk Meningkatkan Akurasi Pendeteksian Pola Fraud pada Transaksi Kartu Kredit. Jurnal Infra, 9(2), 84–90.
Triyanto, S., Sunyoto, A., & Arief, M. R. (2021). Analisa Klasifikasi Bencana Banjir Berdasarkan Curah Hujan Menggunakan Algoritma Naive Bayes. JOISIE (Journal Of Information System And Informatics Engineering), 5(2), 109–117. https://doi.org/https://doi.org/10.35145/joisie.v5i2.1785
Werdiningsih, I., Purwanti, E., Wira Aditya, G. R., Hidayat, A. R., Athallah, R. S. R., Sahar, V. A., Wibisono, T. S., & Nura Somba, D. F. (2023). Identifying Credit Card Fraud in Illegal Transactions Using Random Forest and Decision Tree Algorithms. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 12(3), 477–484. https://doi.org/10.32736/sisfokom.v12i3.1730
Published
2024-12-30
How to Cite
BILLAH, Khaerunni Salsa; SAPUTRA, Rizal Adi.
DETEKSI PENIPUAN KARTU KREDIT MENGGUNAKAN METODE RANDOM FOREST.
JOISIE (Journal Of Information Systems And Informatics Engineering), [S.l.], v. 8, n. 2, p. 200-208, dec. 2024.
ISSN 2527-3116.
Available at: <https://ejournal.pelitaindonesia.ac.id/ojs32/index.php/JOISIE/article/view/4064>. Date accessed: 20 may 2025.
doi: https://doi.org/10.35145/joisie.v8i2.4064.
Issue
Section
Articles
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
