Teuku Nabil Muhammad Dhuha Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2024

Skripsi

Penelitian ini bertujuan untuk membandingkan kinerja dua model pembelajaran mesin, yaitu Support Vector Machines (SVM) dan LightGBM, dalam mendeteksi penipuan pada transaksi kartu kredit menggunakan Hadoop. Hasil penelitian menunjukkan bahwa model LightGBM secara konsisten unggul dibandingkan SVM dalam hal akurasi, precision, recall, dan F1-score, terutama dalam menghadapi dataset yang tidak seimbang. Pada dataset yang tidak seimbang, LightGBM berhasil mencapai akurasi 99,31% dan F1-score 93,75%, sedangkan SVM hanya mencapai akurasi 80,99% dan F1-score 83,31%. LightGBM juga menunjukkan performa yang lebih baik pada dataset seimbang dengan akurasi 98,72% dan F1-score 98,72%, dibandingkan SVM yang hanya mencapai 89,85% dan F1-score 89,68%. SVM terbukti sensitif terhadap ketidakseimbangan data sehingga memerlukan proses resampling untuk meningkatkan performanya. Di sisi lain, LightGBM lebih efektif dalam menangani data yang tidak seimbang, meskipun memerlukan proses balancing untuk mencapai kinerja yang optimal. Selain itu, analisis visualisasi data menunjukkan adanya pola musiman dan harian dalam kasus penipuan, dengan peningkatan signifikan pada bulan Desember dan pada rentang waktu malam hari, antara pukul 23.00 hingga 4.00 pagi. Penelitian ini menyimpulkan bahwa LightGBM lebih tepat digunakan untuk deteksi penipuan kartu kredit, baik pada dataset yang tidak seimbang maupun dataset yang seimbang. Kata kunci: Penipuan Kartu Kredit, LightGBM, SVM, Hadoop, Ketidakseimbangan Data. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 136275 2024-10-07 15:23:06 2024-10-07 21:15:06 machine generated