IMPLEMENTASI DETEKSI FRAUD PENGGUNAAN JARINGAN INTERNET FIBER DI PERUSAHAAN PENYEDIA LAYANAN INTERNET

ADY AHMADI SUWARDI. Implementasi Deteksi Fraud Penggunaan Jaringan Internet Fiber di Perusahaan Penyedia Layanan Internet (dibimbing oleh Amil Ahmad Ilham dan A.Ais Prayogi Alimuddin) Sektor telekomunikasi dapat dikatakan sebagai salah satu sektor bisnis yang besar di Indonesia dengan perkembangan bisnis yang sangat pesat. Perkembangan yang sangat pesat ini mengakibatkan perusahaan-perusahaan di bidang Telekomunikasi mengalami kebocoran pendapatan yang relatif besar setiap tahunnya. Fraud merupakan salah satu penyebab kebocoran pendapatan yang relatif besar dan paling berbahaya bagi perusahaan Telekomunikasi. Selain menimbulkan kerugian finansial secara langsung dalam jumlah besar, fraud juga berdampak pada citra perusahaan terhadap customer maupun investor. Penelitian ini bertujuan untuk merancang sistem pendeteksi kecurangan/fraud pada sektor telekomunikasi menggunakan pendekatan machine learning. Supervised Machine Learning adalah jenis algoritma yang mampu menghasilkan pola dan hipotesis umum dengan menggunakan dataset yang ada untuk memprediksi kejadian di masa depan yang sangat sesuai penggunaannya pada penelitian ini yaitu klasifikasi deteksi fraud. Algoritma Supervised Machine Learning yang akan digunakan dalam penelitian ini adalah Random Forest, XG Boost, Logistic Regression, dan Backpropagation Neural Network. Dalam proses pembuatan modelnya, dataset yang diperoleh akan diproses dengan pembersihan data (cleaning), penyeimbangan data(balancing) menggunakan teknik Oversampling Adaptive Synthetic (ADASYN), dan transformasi data menggunakan penskalaan standard. Evaluasi model akan diukur berdasarkan confusion matrix, recall, accuracy, kurva ROC, dan execution time. Penelitian ini bertujuan untuk mendapatkan perbandingan algoritma yang paling optimal dari keempat algoritma yang digunakan untuk diterapkan sebagai sistem pendeteksi fraud penggunaan jaringan internet fiber di perusahaan penyedia layanan internet. Didapatkan hasil menunjukkan masing-masing algoritma mendapatkan nilai recall, accuracy, dan rata-rata execution time untuk Random Forest adalah 91,92%, 99,39%, dan 2,3864582 detik, XG Boost adalah 93,33%, 98,12%, dan 17,1476647 detik, Logistic Regression adalah 90,17%, 96,14%, dan 0,4112701 detik dan Backpropagation Neural Network adalah 93,33%, 97,82%, dan 6 menit 34,52594 detik.