Deteksi Kejahatan Perbankan menggunakan Self-organizing Map

HAMIDAH TRI HANDAYANI, Dr. Azhari, M.T.

2017 | Skripsi | S1 ILMU KOMPUTER

Deteksi kejahatan perbankan merupakan suatu hal yang sangat penting untuk dilakukan bagi institusi-institusi finansial. Banyak metode-metode supervised dan unsupervised yang telah dikembangkan untuk deteksi kejahatan transaksi perbankan, dengan masing-masing kelebihan dan kekurangannya. Pada penelitian ini dikembangkan model algoritma menggunakan self-organizing map dan rule-based classification untuk melakukan deteksi terhadap transaksi kejahatan perbankan. Self-organizing map digunakan untuk membentuk klaster dari transaksi perbankan yang dianalisis dan selanjutnya dilakukan klasifikasi dari hasil klaster yang telah terbentuk. Untuk itu diperlukan rule-based classification untuk mengklasifikasi klaster apakah termasuk kejahatan perbankan atau tidak. Tahapan yang dilakukan dalam penelitian ini yaitu prapemrosesan dataset perbankan, dilanjutkan dengan klasterisasi menggunakan self-organizing map, dan dilakukan klasifikasi menggunakan rule-based classification. Hasil dari penelitian ini, model algoritma menggunakan self-organizing map dan rule-based classification berhasil diimplementasikan untuk melakukan deteksi kejahatan perbankan. Diperoleh akurasi sebesar 92,091 % dan sensitivitas sebesar 97,143 %.

Banking fraud detection is great importance to financial institutions. Many supervised and unsupervised method have been developed to detect banking fraud, with each strength and limitations. In this research, self-organizing map and rule-based classification are developed to detect the banking fraud tansaction. Self-organizing map is used to form a cluster of banking transactions and then the cluster have to be classified as fraud or not. It required rule-based classification to classify whether the cluster including banking fraud or not. The steps being taken in this research are do preprocessing of banking dataset, followed by clustering using a self-organizing map, and carried out the classification using a rule-based classification. The results of this research is the model algorithm uses self-organizing map and rule-based classification successfully implemented to commit banking fraud detection. Obtained accuracy of 92,091 % and sensitivity of 97,143 %.

Kata Kunci : kejahatan perbankan, self-organizing map, rule-based classification, akurasi, sensitivitas