Deteksi penipuan transaksi kartu kredit menggunakan support vector machine dengan isolation forest sebagai deteksi outlier

Maraknya penggunaan kartu kredit membuka peluang bagi oknum yang tidak bertanggung jawab dalam melancarkan aksi kejahatan. Salah satu langkah pencegahan dapat dilakukan dengan mendeteksi adanya kejanggalan melalui riwayat transaksi yang dilakukan. Deteksi kejanggalan pada transaksi kartu kredit dapat dilakukan menggunakan metode Support Vector Machine (SVM). SVM merupakan metode yang bertujuan menemukan hyperplane sehingga dapat memisahkan data sesuai kelas label. Data pada penelitian ini memiliki jumlah yang banyak sehingga memerlukan adanya deteksi outlier menggunakan Isolation Forest (IF) untuk menjaga kualitas model. Penelitian ini memvariasikan nilai CP pada metode IF dan memvariasikan jenis kernel, serta nilai dalam C, derajat polinom, dan gamma pada metode SVM. Hasil evaluasi terbaik diperoleh dari uji coba Kernel Polinomial dengan 1, 4, dan 9% sebagai nilai C, derajat polinom, dan CP. Penghapusan data outlier meningkatkan nilai evaluasi model klasifikasi deteksi penipuan transaksi kartu kredit menjadi 99,74% untuk nilai akurasi, 99,07% untuk nilai presisi, dan 97,45% untuk nilai recall.