Analisis penggunaan correlation-based feature selection (CFS) pada deteksi penipuan credit card menggunakan random forest

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Fatoni, Ahmad Rizal (2026) Analisis penggunaan correlation-based feature selection (CFS) pada deteksi penipuan credit card menggunakan random forest. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Ahmad Rizal Fatonii_09020620019.pdf Download (3MB)
	Text Ahmad Rizal Fatonii_09020620019_Full.pdf Restricted to Repository staff only until 4 February 2029. Download (3MB)

Abstract

Deteksi transaksi fraud pada sistem pembayaran elektronik merupakan permasalahan penting karena karakteristik data yang bersifat tidak seimbang (imbalanced) dan kompleks. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Random Forest dalam mendeteksi transaksi fraud dengan membandingkan tiga skenario pengolahan data, yaitu Random Forest tanpa preprocessing khusus, Random Forest dengan Correlation-Based Feature Selection (CFS), serta Random Forest dengan kombinasi CFS dan Synthetic Minority Over-sampling Technique (SMOTE). Dataset yang digunakan merupakan dataset transaksi kartu kredit yang memiliki proporsi kelas fraud yang jauh lebih sedikit dibandingkan transaksi normal. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, precision, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa Random Forest tanpa preprocessing tambahan menghasilkan performa terbaik dengan nilai F1-score dan ROC-AUC yang tinggi. Penerapan CFS tidak secara signifikan meningkatkan kinerja model, sedangkan kombinasi CFS dan SMOTE mampu meningkatkan recall kelas fraud namun menyebabkan penurunan precision secara signifikan. Hal ini mengindikasikan bahwa teknik oversampling tidak selalu memberikan peningkatan kinerja pada kasus deteksi fraud. Kesimpulan dari penelitian ini adalah bahwa Random Forest mampu menangani data fraud yang imbalance dengan baik tanpa memerlukan teknik preprocessing yang kompleks, serta pemilihan metode preprocessing harus disesuaikan dengan karakteristik data dan tujuan deteksi.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Fatoni, Ahmad Rizal ahmadrizalfatoni07@gmail.com 09020620019
Contributors:	Contribution Name Email NIDN Thesis advisor Kunaefi, Anang akunaefi@uinsby.ac.id -- Thesis advisor Rolliawati, Dwi dwi_roll@uinsby.ac.id 2027097901
Subjects:	Tehnik Informatika Teknologi > Teknologi Informasi Informasi
Keywords:	Deteksi fraud; Random Forest; CFS; SMOTE; Data imbalance
Divisions:	Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User:	Ahmad Rizal Fatoni
Date Deposited:	04 Feb 2026 01:02
Last Modified:	04 Feb 2026 01:02
URI:	http://digilib.uinsa.ac.id/id/eprint/88553

Actions (login required)

View Item