SISTEM PENDUKUNG KEPUTUSAN EVALUASI RISIKO PENIPUAN TRANSAKSI KEUANGAN MENGGUNAKAN RANDOM FOREST

Abstract

Penipuan transaksi keuangan (financial fraud) merupakan ancaman serius dalam ekosistem keuangan digital yang terus berkembang. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) untuk mengevaluasi risiko penipuan transaksi keuangan menggunakan algoritma Random Forest. Dataset yang digunakan adalah Credit Card Fraud Detection dari Kaggle yang memuat 284.807 transaksi dengan proporsi penipuan sebesar 0,17%. Proses penelitian mencakup preprocessing data (normalisasi, SMOTE oversampling), pembangunan model Random Forest dengan tuning hyperparameter, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa model Random Forest mencapai akurasi 99,94%, presisi 97,82%, recall 86,73%, dan F1-Score 91,95% pada data uji. Fitur paling berpengaruh dalam deteksi penipuan adalah V14, V10, V4, dan V12. SPK yang dibangun mampu mengklasifikasikan transaksi berisiko tinggi secara real-time dan memberikan rekomendasi tindakan bagi pengelola keuangan. Penelitian ini membuktikan bahwa Random Forest efektif diterapkan dalam sistem deteksi penipuan keuangan dan dapat menjadi fondasi sistem keamanan finansial yang andal.