Fraud detection

Model fraud detection terbagi menjadi dua kelompok, yaitu: supervised model dan unsupervised model. Dalam supervised model data kita sudah memiliki informasi label fraud atau bukan pada setiap data. Dengan menggunakan data ini kita membangun suatu model klasifikasi untuk menentukan apakah suatu data baru tergolong fraud atau bukan.

Untuk model unsupervised, kita tidak diberikan informasi mengenai data mana yang tergolong fraud dan yang tidak. Hanya dengan menggunakan karakteristik dari data tersebut kita membangun suatu model pengelompokan data tersebut.

Fraud detection yang sedang saya teliti termasuk kedalam model kedua yaitu unsupervised model. Di sini karakteristik data kita analisa untuk membangun suatu model probabilistik yang dapat digunakan untuk pengelompokan (clustering).

Pertanyaan-pertanyaan yang muncul adalah:

1.  Karakteristik apa saja yang dapat digunakan pada data yang kita punyai?

2. Model probabilistik seperti apa yang dapat digunakan untuk jenis data campuran? di sini yang dimaksud dengan data campuran adalah data yang mengandung karakteristik kualitatif dan kuantitatif.

3. Bagaimana menentukan kelompok berdasarkan model probabilitas yang dibentuk di pertanyaan 2 ?

4. Aturan apa yang digunakan untuk menentukan suatu data dikatakan fraud?

5. Bagaimana memvalidasi model pengelompokan yang kita peroleh?

6. Seberapa cepat komputasinya?

 

Aplikasi dari model pengelompokan ini salah satunya dapat digunakan dalam sistem online shopping, khususnya untuk penentuan apakah transaksi belanja online tersebut valid atau tidak. Proses penentuan ini tentunya harus dilakukan dengan cepat, oleh karena itu model yang dibentuk harus memiliki kemampuan proses penentuan fraud atau bukan yang cepat dengan keakuratan yang tinggi.

 

 

Latar belakang pengetahuan yang dibutuhkan untuk penelitian ini:

Analisa Data, Teori Peluang, Statistika Matematika, Statistical learning theory: asymptotic theory, convergence in probability and in distribution.

 

Leave a Reply

Your email address will not be published. Required fields are marked *

*

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>