REY, Zhuliana Melva (2024) Klasifikasi Screenshot Transaksi Bank Menggunakan Jaringan Syaraf Tiruan Backpropagation untuk Memprediksi Keaslian Bukti Pembayaran. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (33kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (209kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (208kB)
	Text 4. KATA PENGANTAR.pdf Download (346kB)
	Text 6. ABSTRAK.pdf Download (9kB)
	Text 7. ABSTRACT.pdf Download (6kB)
	Text 8. DAFTAR ISI.pdf Download (65kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (32kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (234kB)

Abstract

Penipuan transaksi online merupakan risiko yang ditimbulkan oleh kemajuan teknologi,
salah satunya adalah penipuan dalam bukti transaksi online dengan menggunakan screenshot
bukti pembayaran yang dipalsukan. Penipu biasanya menyasar orang lanjut usia yang kurang
dalam literasi digital, disisi lain keterlambatan SMS banking dalam memantau aktivitas juga
termasuk salah satu peluang penipu untuk melakukan kejahatan. Ancaman ini menimbulkan
kerugian finansial yang besar dan merusak kepercayaan terhadap sistem bank yang
dirugikan. Klasifikasi screenshot bukti pembayaran asli dan palsu merupakan salah satu
upaya memperkuat keamanan transaksi dan mengurangi terjadinya penipuan. Klasifikasi ini
menggunakan metode Jaringan Saraf Tiruan Backpropagation dengan ekstraksi fitur Gray
Level Co-occurrence Matrix (GLCM) yang berfokus pada screenshot bukti pembayaran
transaksi Bank BRI melalui aplikasi BRImo. Skenario yang dilakukan adalah mencari model
terbaik dengan melakukan eksperimen pada preprocessing, fitur sudut dan jarak GLCM, dan
arsitektur jaringan saraf tiruan pada saat fase pelatihan dan pengujian. Rata-rata hasil
pengujian untuk nilai akurasi pada skenario preprocessing adalah 94%, sedangkan tanpa
preprocessing nilai akurasinya adalah 96%. Skenario sudut dan jarak GLCM untuk "All dan
1" mendapatkan nilai rata-rata akurasi 94%, untuk "All dan 5" mendapatkan nilai rata-rata
akurasi 95%. Pada skenario JST, model 1 memiliki nilai rata-rata akurasi 94% dan model 2
memiliki rata-rata akurasi 95%. Berdasarkan data hasil pengujian tersebut, model tanpa
preprocessing dengan menggunakan fitur terbaik mendapatkan nilai akurasi yang lebih
tinggi sehingga mampu melakukan tugas klasifikasi dengan baik.
Kata kunci : Klasifikasi, Screenshot, Bank BRI, GLCM, Jaringan Saraf Tiruan,
Backpropagation

Actions (login required)

View Item