OPTIMALISASI DETEKSI KECURANGAN PADA TRANSAKSI E-WALLET MENGGUNAKAN ALGORITMA ISOLATION FOREST BERBASIS BIG DATA

Abstract

Kemajuan teknologi finansial telah mendorong adopsi layanan dompet digital (e-wallet) secara luas. Namun, peningkatan volume transaksi juga membawa risiko keamanan yang tinggi, khususnya terkait aktivitas kecurangan. Penelitian ini bertujuan membangun sistem deteksi kecurangan pada transaksi e-wallet menggunakan algoritma Isolation Forest, yang mampu mengidentifikasi anomali secara efisien tanpa memerlukan data berlabel. Dataset yang digunakan terdiri dari 6.362.620 transaksi e-wallet yang mencakup atribut numerik dan kategorikal. Proses penelitian meliputi tahapan preprocessing data, pelatihan model, dan evaluasi kinerja dengan metrik precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa meskipun akurasi model mencapai 99%, recall terhadap transaksi fraud masih rendah, yaitu sebesar 4%, menandakan perlunya pendekatan lanjutan untuk meningkatkan sensitivitas model. Penelitian ini menunjukkan potensi Isolation Forest dalam mendeteksi pola transaksi anomali pada data berukuran besar serta memberikan dasar untuk pengembangan sistem keamanan finansial berbasis data.