CHARLOS YOSUA BARUS (180120201048) B, Hasil Review Artikel @ Judul artikel ‘Credit Card Fraud Detection Using Machine leaming As Data Mining Technique ® Permasalahan penggunaan jaringan Bayesian oleh kartu bank untuk mencegah penipuan kartu bank/kartu kredit @ Tujuan Penelitian -mengetahui bagamana Bayesian network classifier untuk mendeteksi penipuan kartu kredit © Manfaat penelitian :-untuk membantu pihak bank dalam mengklasifikasi atau mendeteksi penipuan dalam transaksi © Konsep/Rancangan penelitian: pertama itu kita harus mendeteksi penipuan kartu kredit dgn menggunakan 4 Jenis algoritma yaitu iterative dichotomiser 3(ID3),pohon klasifikasi dan regresi(CART),ripper dan bayes.Setelah kita deteksi dari 4 jenis algoritma tersebut kita akhimnya menemukan algoritma yg cocok yaitu bayes karna bayes memiliki tingkat positif yg lebih bagus dari meta yg lainnya dan itu juga telah di Uji. Melalui literature Bayesian network merupakan jenis classifier yg telah banyak di gunakan untuk mendeteksi penipuan dalam industri kartu kredit. Studi Juga menemukan bahwa jaringan Bayesian lebih tinggi dari artificial neural sekitar 8%. Byesian network telah menjadi salah satu tipe classifier popular yg banyak digunakan untuk mengklafikasikan kredit data penipuan kartu. Dgn mengqunakan Bayesian network classifier berartikita diajarkan bagaimana cara menghitung jumlah hasil akumulast darl anak node. Alasan di balik penciptaan model tersebut adalah kemampuan simpul anak untuk beroperasi secara mandiri tanpa menganggu anak lain node dan khususnya mempengaruhtprobabilitas simpul akar. Bayesian jaringan mampu menghitung probabilitas bersyarat dari a simpul berdasarkan nilai yang diberikan di tugaskan ke node yang lain da nada juga keuntungan dari kita pakai Bayesian sepreri kemampuan untuk menganangi input yg tidak lengkap. Ada perbedaan kecil antara naive bayes, TAN dan Kerangka kerja umum Bayesian network. Naive bayes merupakan penggolongan yg sangat popular karena sederhana, efisien dan menghasilkan kenerja yang lebih baik dalam memecahkan masalah di dunia nyata. Bayes merupakan penggolong probabilistic berdasarkan aturan bayes dengan asumsi independen yang kuat. K2 sebagai salah satu tipe Bayesian classifier yang menggunakan fungsi penilaianuntuk menghitung sambungan probabilitas instsntiasi semua variable. Disisi lain , Classifier TAN digunakan untuk penilaian Bayesian untukmengembangkan Bayesian belief. Classifier mampu menghitung probabilitas dari setiap anak dan akhimnya mengidentifikasi kelas yagng sesuai untuk anak-anak berdasarkan probabilitas yang dihitung. Ada juga bayes sebagai model generative, logistic sebagai diskriminatif sehingga logistic menggunakan probabilistas bersyarat dan estimasi berbasis iteratif untuk mengestimasi kelas cth j48 adalah implementasi java sumber terbuka di WEKA berdasarkan algoritma C4.5. Algoritma C4.5 tadinya di kembangkan oleh Ross Quinlan untuk menghasilkan phon keputusan berdasarkan pada set input berlabel. J48 adalah prediksi classifier pembelajaran mesin yang menentukan nilai target sampel baru berdasarkan berbagai nilal atribut dalam data, Simpul pohon keputusan internal mewakili perbedaan atribut atau fitur sementara cabang di antara node menunjukan atribut yg mungkin atau layek yang dapet di masukkan dalam sampel atau kelas yang diamati. Node terminal menggambarkan atribut klesifikas! akhir dan niali target. Metode yang di gunakan Dalam penelitian ini penulis membuat deteksi penipuan kartu kredit menggunakan MI sebagai teknik penambangan data. Dimana penulis menggunakan Bayesian network classifier sebagai algoritmanya. Kenapa penulis menggunakan Bayesian network classifier karna Bayesian itu memiliki tingkat positif yg lebih bagus dari yg lain dan juga telah di yji oleh penelitian yg lain jadi Bayesian itu aman untuk di gunakan. Dan kenapa penulis mengambil penelitian ini karana penulis melihat banyak sekali orang yg di tipu oleh penipu saat berdagang dan lainnya, sehingga mereka mengalami kerugian yg sangatbesar oleh karna itu penulis ingin membuat sesuatu yg bisa menyelesaikan permasalahan tersebut Kesimpulan Jadi data kartu memainkan peran penting dalam mengidentifikast penipuan dan karakteristik non-penipuan. Namun , proses mendapatkan data terkait penipuan kartu kredit nyata sangat sulit karna untuk merekam privast dan sensitivitas. Oleh karena itu, untuk meniru data nyata, penulis penelitian ini menggunakan data dummy yang di buat berdasarkan data memanipulast fitur tertentu yang di harapkanmemiliki dampak signifikan untuk deteksi penipuan. Misalnya jika pelanggan memasukkan nomor pin yang salah darl yang sebenarnya atau alat pengiriman yang berbeda dari alamat penagihan atau tanggal dan waktu transaksiyang terlalu dekat dgn jumlah besar transaksi dari tindakan sebelumnya, bias diduga sebagal urusan mencurigakan. Jadi berhati hatilah saat menstrasnfer atau yg lain lain.