Perbandingan algoritma klasifikasi dalam deteksi penipuan transaksi pada kartu kredit menggunakan decision tree, random forest, dan xgboost.

Ali, Fadilah Inayat (2025) Perbandingan algoritma klasifikasi dalam deteksi penipuan transaksi pada kartu kredit menggunakan decision tree, random forest, dan xgboost. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_COVER.pdf Download (214kB) | Preview
Preview	Text (ABSTRAK) 2_ABSTRAK.pdf Download (271kB) | Preview
Preview	Text (DAFTAR ISI) 3_DAFTAR ISI.pdf Download (295kB) | Preview
Preview	Text (BAB I) 4_BAB1.pdf Download (328kB) | Preview
	Text (BAB II) 5_BAB2.pdf Restricted to Registered users only Download (457kB) | Request a copy
	Text (BAB III) 6_BAB3.pdf Restricted to Registered users only Download (513kB) | Request a copy
	Text (BAB IV) 7_BAB4.pdf Restricted to Registered users only Download (596kB) | Request a copy
	Text (BAB V) 8_BAB5.pdf Restricted to Registered users only Download (324kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (239kB) | Request a copy

Abstract

Penelitian ini membahas implementasi dan perbandingan tiga algoritma klasifikasi, yaitu Decision Tree, Random Forest, dan XGBoost, dalam mendeteksi penipuan transaksi kartu kredit. Dataset yang digunakan adalah Credit Card Fraud Detection Dataset dengan 31 fitur dan 284.807 transaksi, yang memiliki distribusi kelas sangat tidak seimbang. Tahapan penelitian meliputi praproses data, pembagian dataset, penerapan algoritma, serta evaluasi kinerja model menggunakan metrik Accuracy, Precision, Recall, F1-Score, dan AUC-ROC. Hasil eksperimen menunjukkan bahwa XGBoost memberikan performa terbaik dibandingkan dua algoritma lainnya, dengan nilai AUC tertinggi serta keseimbangan yang lebih baik antara Precision dan Recall. Random Forest menunjukkan performa cukup baik namun memerlukan waktu pelatihan lebih lama, sedangkan Decision Tree meskipun sederhana dan cepat, menghasilkan kinerja yang kurang stabil terutama pada nilai Precision. Dengan demikian, penelitian ini menyimpulkan bahwa XGBoost lebih unggul untuk mendeteksi penipuan kartu kredit pada dataset yang sangat tidak seimbang.

Actions (login required)

View Item