ANALISIS PERBANDINGAN KINERJA ALGORITMA C4.5, NAIVE BAYES CLASSIFIER, DAN SUPPORT VECTOR MACHINE UNTUK SISTEM DETEKSI KEJAHATAN KARTU KREDIT

Klaudius Liasta, Aina Musdholifah, S.Kom., M.Kom., Ph.D

2019 | Skripsi | S1 ILMU KOMPUTER

Kartu kredit merupakan salah satu pilihan pembayaran tanpa uang tunai yang paling banyak digunakan di seluruh dunia. Peningkatan pengguna kartu kredit sebagai alat pembayaran harus diimbangi dengan peningkatan dari sistem keamanannya. Permasalahan ini menjadi fokus utama bagi penyedia layanan kartu kredit agar pengguna tetap merasa aman dalam bertransaksi. Terdapat dua mekasnisme dalam menghindari kejahatan pada kartu kredit, sistem pencegahan kejatahatan dan sistem deteksi kejahatan. Pada penelitian dilakukan analisa perbandingan menggunakan 3 algoritma klasifikasi, yaitu Decision Tree C4.5, Naive Bayes Classifier, dan Support Vector Machine. Kemudian dilakukan juga ujicoba undersampling untuk mengetahui dampak undersampling pada dataset dengan ketidakseimbangan data terhadap sistem deteksi kejahatan pada kartu kredit. Hasil klasifikasi yang akan digunakan sebagai pembanding berupa nilai accuracy, precision, recall dan f-1 score. Hasil dari penelitian ini adalah pada data dengan kondisi tidak seimbang, SVM menjadi klasifikasi terbaik dengan nilai rata-rata recall sebesar 75,23%, f1-score sebesar 82,14%, precision sebesar 90,45%, accuracy sebesar 99,94%, dan dengan waktu yang dibutuhkan 54,86 detik. Sedangkan pada data dengan kondisi seimbang karena undersampling, GNB memjadi klasifikasi terbaik dengan nilai rata-rata recall sebesar 52,17%, f1-score sebesar 55,11%, precision sebesar 58,40%, accuracy sebesar 91,56%, dan dengan waktu yang dibutuhkan 0,01 detik.

Credit cards are one of the most widely used cashless payment options worldwide. The increase in credit card users as a means of payment must be balanced with improvements from the security system. This problem is the main focus of credit card service providers so that users continue to feel safe in the transaction. There are two mechanisms in avoiding crime on credit cards, crime prevention systems, and crime detection systems. The purpose of the research is analyzing the best classification for the fraud detection systems using 3 classification algorithms, such as Decision Tree C4.5, Naive Bayes Classifier, and Support Vector Machine. Then do comparation of the result on a dataset after undersampling. The classification results that will be used as a comparison consist of accuracy, precision, memory and f-1 scores. The result of this study are SVM is a good choice to handle imbalance with average value of recall 75,23%, f1-score 82,14%, precision 90,45%, accuracy 99,94%, and consuming 54 seconds,. Otherwise, on dataset after undersampling, GNB be the best methode with average value of recall 52,17%, f1-score 55,11%, precision 58,40%, accuracy 91,56%, and consuming 0,01 seconds.

Kata Kunci : Sistem Deteksi Kejahatan, Kartu Kredit, Support Vector Machine, Gaussian Naive Bayes, Decision Tree C4.5, Undersampling