Tesis
Utilisasi Machine Learning untuk Mendeteksi Peluang Terjadinya Transaksi Keuangan Mencurigakan: Studi Kasus pada Bank XYZ
Utilization of Machine Learning to Detect the Posibility of Suspicious Financial Transactions: Case Study at XYZ Bank
Pengarang:
Dina Anggraeni - ; Siti Nurwahyuningsih Harahap (Pembimbing/Promotor) - ; Machmudin Eka Prasetya (Penguji) - ; Tubagus Muhamad Yusuf Khudri (Penguji) -
Deskripsi
Pengembangan mekanisme yang efektif untuk mendeteksi transaksi mencurigakan merupakan hal yang kritikal bagi bank dalam upaya pencegahan tindak pencucian uang dan pendanaan terorisme. Salah satu metode yang saat ini banyak dikembangkan adalah machine learning. Penelitian ini bertujuan untuk mengevaluasi permasalahan dalam sistem deteksi Transaksi Keuangan Mencurigakan (TKM) yang saat ini digunakan oleh Bank XYZ dan memberikan solusi perbaikan sistem deteksi TKM agar lebih efektif dan efisien dengan menggunakan machine learning. Metode yang digunakan adalah supervised machine learning dengan membandingkan empat model yaitu: Decision Tree, Naïve Bayes, Gradient Boosting, dan Random Forest. Tools yang digunakan adalah The Konstanz Information Miner (KNIME) Versi 4.5.2 dan diproses pada Windows 11 dan processor Intel Core i3. Hasil penelitian menujukkan bahwa model terbaik dalam mendeteksi peluang terjadinya TKM pada bank XYZ adalah Random Forest dengan tingkat keakuratan 99,98%. Berdasarkan tingkat akurasi ini, penelitian ini mengungkapkan bahwa pendekatan machine learning dengan menggunakan data historis bank dapat memberikan kontribusi yang signifikan dalam mendeteksi TKM dibandingkan dengan sistem lama yang digunakan Bank XYZ.