Analisis Dan Deteksi Fraud Pada Data Panggilan Menggunakan Algoritma NaÃve Bayes Pada Pt Xyz

Authors

DOI:

https://doi.org/10.34818/eoe.v7i2.12483

Abstract

Abstrak Telecom fraud merupakan suatu tindakan atau aktivitas penggunaan fasilitas telekomunikasi yang dilakukan secara ilegal dan disengaja dalam berbagai bentuk kecurangan, penipuan atau pun penggelapan oleh orang maupun suatu organisasi tertentu yang tujuannya agar mendapatkan layanan tersebut serta menghindari biaya layanan dan pelacakan rekaman tagihan yang dilakukan secara ilegal. Tujuan penelitian ini yaitu mendeteksi nomor panggilan yang terdeteksi sebagai SIMBox fraud yang telah merugikan pihak PT XYZ yang mempunyai tugas dalam menangani masalah fraud tersebut. Penelitian ini dilakukan dengan menggunakan data mining dan menggunakan algoritma naïve bayes. Data mining merupakan suatu teknik yang memanfaatkan data dalam jumlah besar agar dapat memperoleh informasi berharga yang dapat dimanfaatkan dalam pengambilan keputusan penting. Naïve Bayes merupakan algoritma yang dapat digunakan untuk memprediksi nomor telepon yang terdeteksi sebagai SIMBox fraud yang bisa dikategorikan sebagai fraud dan Not fraud. Dengan menggunakan data mining, khususnya pada klasifikasi untuk prediksi menggunakan algoritma naïve bayes dapat dilakukan prediksi terhadap nomor panggilan telepon yang terdeteksi sebagai fraud dari data panggilan. Hasil pengujian dengan menggunakan algoritma naïve bayes menunjukkan nilai akurasi tertinggi adalah 87.2% dengan nilai macro average precision adalah 90%, nilai macro average recall adalah 86% dan macro average f1-score adalah 87%. Sedangkan nilai akurasi yang paling rendah adalah 85.2%. Yang berarti menunjukkan bahwa implementasi algoritma naïve bayes merupakan salah satu algoritma terbaik untuk diterapkan dalam memprediksi data panggilan fraud pada PT XYZ. Kata kunci: Telecom fraud, Data Mining, Algoritma Naïve Bayes, prediksi SIMBox fraud Abstract Telecommunications fraud is one of the acts or activities that use telecommunications that is carried out illegally and intentionally in various forms of fraud, payment or incorporation by certain people or organizations that require services that are accompanied by service fees and payments made with assistance carried out illegally. The purpose of this study is to submit a number of calls submitted as SIMBox fraud owned by PT XYZ who have the task in the matter of fraud. This research was conducted using data mining and using the naïve Bayes algorithm. Data mining is a technique that utilizes large amounts of data to obtain information that can be used in making important decisions. Naïve Bayes is an algorithm that can be used to predict phone numbers that are predicted to be SIMBox fraud which can be categorized as fraud and not fraud. By using data mining, specifically in the classification for predictions using the naïve Bayes algorithm, predictions can be made on telephone numbers called fraud from call data. The test results using the Naïve Bayes algorithm an average value of 87.2% with an average macro precision value of 90%, the average value of macro recall is 86% and the average macro f1- score is 87%. While the lowest value is 85.2%. What is meant by the application of the naïve Bayes algorithm is one of the best algorithms to be applied in predicting fraudulent call data at PT XYZ. Keyword: Telecom fraud, Data Mining, Naïve Bayes Algorithm, SIM Box fraud prediction

Downloads

Download data is not yet available.

References

[1] L. P. Utomo, "Kecurangan Dalam Laporan Keuangan “Menguji Teori Fraud Triangle”," Jurnal Akuntansi dan Pajak, 2018.

[2] ACFE, "What Is Fraud?," ACFE (Assosiate of Certified Fraud Examiners), 2020.

[3] N. Sulisrudatin, "Analisa Kasus CyberCrime Bidang Perbankan Berupa Modus Pencurian Data Kartu Kredit," Jurnal Ilmiah Hukum Dirgantara, 2018.

[4] Diskominfo, 2017. [Online]. Available: https://www.postel.go.id/downloads/59/20180716114822-LakipSDPPI-2017-Final.pdf.

[5] D. A. Susilo, "Deteksi Kecurangan Pada Jaringan Telekomunikasi Menggunakan Metode Data Mining," Jurnal Tesis IPB, 2006.

[6] D. K. A. Puri, "Strategi Pengembangan Unit Anti Fraud PT Bank BPD DIY dalam Meminimalkan Fraud,"

[7] C. M. D. Rosario Taek, "Fraud Detection pada Transaksi Perbankan Menggunakan Algoritma C4.5," Skripsi Program Studi Teknik Informatika, 2019.

[8] F. Nurchalifatun, "Penerapan Metode Asosiasi Data Mining menggunakan Algoritma Apriori untuk Mengetahui Kombinasi Antar Itemset pada Pondok Kopi," UDiNus Repository, 2015.

[9] R. McLeod, Jr and G. P. Schell, Sistem Informasi Manajemen, 2007.

[10] H. Widayu, S. D. Nasution, N. Silalahi and Mesran, "Data Mining untuk Memprediksi Jenis Transaksi Nasabah pada Kopersi Simpan Pinjam dengan Algoritma C4.5," Jurnal Media Informatika budidarma, 2017.

[11] M. H. Widianto, "Algoritma Naive Bayes," Binus University, 2019.

[12] P. S. A. F. U. M. Chung, Studi Kasus Sistem Informasi Manajemen: Volume 1, 2018.

[13] M. Rifa'i, "Peramalan Cuaca di Kabupaten Bandung Menggunakan Algoritma Naive Bayes," Open Library Telkom University, 2018.

[14] N. Amalia, "Penerapan Teknik Data Mining Untuk Klasifikasi Ketepatan Waktu Lulus Mahasiswa Teknik Informatika Universitas Telkom Menggunakan Algoritma Naive Bayes Classifier," Open Library Telkom University, 2015.

[15] M. R. AlBougha, "Comparing Data Mining Classification Algortihms in Detection of Simbox Fraud," Journal Department of Information Systems, 2016.

[16] A. D. Kusumadety, "Analisis Boosting pada Decision Tree dengan Studi Kasus Klasifikasi Daerah Pelanggan Telekomunikasi Berdasar data Calling Detail Record (CDR) Boosting Analysis in Decision Tree with Case Study Classification of Telecommunication Customer Area Based onCall," Open Library Telkom University, 2008.

[17] B. Maryanto, "Big Data dan Pemanfaatannya dalam Berbagai Sektor," Media Informatika Vol.16 No.2, 2017.

[18] B. A. Setyawan and D. Pratidana, "Penerepan Teknik Web Scraping dalam Aplikasi Komparasi Harga Komponen dan Perakitan Komputer berbasis Web," Universitas Multimedia Nusantara, 2015.

[19] Mardiana, M. A. Muhammad , Y. Mulyani and D. Despa, "Sikronisasi dan Integrasi Database Heterogen Sistem Perpustakaan Unila," Jurnal Perpustakaan dan Informasi Ilmiah, 2017.

[20] M. Suhartanto, "Pembuatan Website Sekolah Menengah Pertama Negeri 3 Delanggung," Jurnal Speed (Sentra Penelitian Engineering dan Edukasi) , 2012.

[21] I. Warman and R. Ramdaniansyah, "Analisis Perbandingan Kinerja Query Database Management System (DBMS) Antara MySQL 5.7.26 dan MariaDB 10.1," Jurnal Teknik Dan Informatika, 2018.

[22] J. Enterprise , Trik Cepat Menguasai Pemrograman Python, Jakarta: PT Elex Media Komputindo, 2016.

[23] F. A. Pahar, W. Suadi and B. J. Santoso, "Implementasi Aplikasi Anti-Virus Berbasis Python-Fuse dan Clamav Pada Sistem Operasi Unix," Jurnal Teknik Informatika.

[24] M. Ridwan, H. Suyono and M. Sarosa, "Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa menggunakan Algoritma Naive Bayes Classifier," Jurnal EECCIS Vol.7, 2013.

[25] A. Khoirunnisa, "Analisis dan Implementasi Perbandingan Algoritma C4.5 dengan Naive Bayes untuk Prediksi Penawaran Produk," Open Library Telkom University, 2016.

[26] T. Nexus, "Detecting and preventing telecom fraud," Paper Trans Nexus, 2020.

[27] A. Saleh, "Penerapan Data Mining dengan Metode Klasifikasi Naive Bayes untuk Memprediksi Kelulusan Mahasiswa Dalam Mengikuti English Proficiency Test," Jurnal Teknik Informatika Universitas Potensi Utama, 2015.

[28] E. Manalu, F. A. Sianturi and R. M. Manalu, "Penerapan Algoritma Naive Bayes untuk Memprediksi Jumlah Produksi Barang Berdasarkan Dara Persediaan dan Jumlah Pemesanan Pada CV. Papadan Mama Pastries," Jurnal Mantik Penusa, 2017.

[29] S. R. Afif, P. Sukarno and M. A. Nugroho , "Analisis Perbandingan Algoritma Naive Bayes dan Decision Tree untuk Deteksi Seriangan Denial of Service (DoS) pada Arsitektur Software Defined Network (SDN)," e-Proceeding of Engineering, 2018.

Downloads

Published

2020-08-01

Issue

Pages

6647-6655

Section

Program Studi S1 Sistem Informasi

How to Cite

Putri, I. N., Andeswari, R., & Sutoyo, E. (2020). Analisis Dan Deteksi Fraud Pada Data Panggilan Menggunakan Algoritma NaÏve Bayes Pada Pt Xyz. EProceedings of Engineering, 7(2), 6647-6655. https://doi.org/10.34818/eoe.v7i2.12483