Deskripsi Repositori:
Nama Proyek: Bank Fraud Detection (Deteksi Kecurangan Bank) dengan Machine Learning:
Tujuan proyek adalah untuk mengembangkan model pengajaran mesin yang berguna untuk mendeteksi kecurangan dalam transaksi perbankan. Data yang digunakan terdiri dari transaksi kartu kredit yang dilakukan oleh pemegang kartu di Eropa mulai September 2013.
Fitur Utama:
-
Penggunaan Algoritma Pengajaran Mesin: Proyek ini menggunakan algoritma pengajaran mesin seperti Decision Trees, Naive Bayes, dan Logistic Regression untuk menemukan pola transaksi yang mencurigakan.
-
Deteksi Kecurangan yang Akurat: Model ini dibuat untuk meningkatkan akurasi dalam mendeteksi kasus kecurangan tanpa mengurangi akurasi umum karena kelas transaksi yang sah dan curang tidak seimbang.
-
Analisis dan Visualisasi Data: Proyek ini melakukan analisis mendalam tentang karakteristik transaksi yang curang serta visualisasi yang membantu memahami pola yang muncul dalam dataset.
-
Kolaborasi dan Kontribusi: Kami menghargai kontribusi dari pengembang yang ingin memperbaiki model, menambah fitur baru, atau memberikan masukan bermanfaat untuk meningkatkan kinerja sistem deteksi kecurangan.
Tujuan Akhir: mengembangkan model pembelajaran mesin yang dapat digunakan oleh lembaga perbankan untuk meningkatkan kecerdasan buatan untuk menemukan transaksi yang mencurigakan dan mengurangi risiko kecurangan bagi nasabah.
Catatan: Data yang digunakan dalam proyek ini telah diproses. Tidak ada informasi pribadi atau rahasia perusahaan yang diungkapkan.
Link Kaggle Credit Card Dataset : https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud