PENERAPAN DETEKSI ANOMALI MENGGUNAKAN MODEL ISOLATION FOREST UNTUK ANALISIS FRAUD PADA TRANSAKSI KEUANGAN AKUNTANSI

Abstract

Kecurangan dalam transaksi keuangan menjadi permasalahan yang dapat menimbulkan kerugian finansial serta menurunkan kepercayaan terhadap sistem keuangan. Seiring meningkatnya volume dan kompleksitas transaksi digital, metode deteksi fraud konvensional menjadi kurang efektif. Permasalahan utama dalam penelitian ini adalah bagaimana mendeteksi transaksi fraud pada dataset yang tidak seimbang serta mengidentifikasi anomali tanpa bergantung pada data berlabel yang terbatas. Penelitian ini bertujuan untuk menerapkan algoritma Isolation Forest sebagai metode anomaly detection dalam mendeteksi transaksi yang berpotensi sebagai fraud. Metode yang digunakan meliputi pengumpulan dan preprocessing dataset Credit Card Fraud Detection, pembagian data training dan testing, penerapan model Isolation Forest, serta evaluasi menggunakan confusion matrix, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model memiliki performa sangat baik dalam mengenali transaksi normal dengan precision dan recall mendekati 1,00. Namun, pada kelas fraud diperoleh precision sebesar 0,46, recall sebesar 0,29, dan F1-score sebesar 0,35, yang menunjukkan keterbatasan model akibat ketidakseimbangan dataset. Meskipun demikian, Isolation Forest memiliki potensi sebagai metode awal dalam mendeteksi anomali pada transaksi keuangan.