Penggunaan Algoritma Support Vector Machine (SVM) Untuk Deteksi Penipuan pada Transaksi Online

Abstract

Penipuan dalam transaksi online semakin meningkat seiring dengan perkembangan teknologi digital yang pesat. Untuk mengatasi masalah ini, diperlukan sistem deteksi yang efektif dan akurat guna meminimalisir kerugian yang disebabkan oleh aktivitas penipuan. Penelitian ini bertujuan untuk mengembangkan model deteksi penipuan menggunakan algoritma Support Vector Machine (SVM). Algoritma SVM dipilih karena kemampuannya dalam mengklasifikasikan data yang kompleks dan menangani data dengan dimensi tinggi. Metodologi penelitian melibatkan pengumpulan data transaksi online yang terdiri dari transaksi sah dan penipuan, kemudian dilakukan preprocessing data untuk mengatasi ketidakseimbangan dan noise pada dataset. Model SVM dilatih menggunakan data yang telah diproses dan dievaluasi berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM mampu mendeteksi transaksi penipuan dengan tingkat akurasi yang tinggi, mencapai 95%. Selain itu, model ini juga memiliki tingkat presisi dan recall yang seimbang, sehingga efektif dalam mendeteksi aktivitas penipuan tanpa mengabaikan transaksi sah. Kesimpulannya, algoritma SVM dapat dijadikan sebagai solusi yang andal untuk mengidentifikasi penipuan pada transaksi online, namun perlu pengujian lebih lanjut pada berbagai jenis dataset untuk meningkatkan generalisasi model.

GS Cited Analysis